為什麼 Python
是 AI 的語言?

第一個程式,差異就出現了

同樣是印出「Hello, World!」,Python 和 JavaScript 寫起來差很多。 Python 的目標是讓程式碼看起來像英文句子,直接、乾淨、沒有多餘的符號。

print("Hello, World!")

console.log("Hello, World!");

縮排,不是裝飾,而是語法

這是 Python 最讓初學者驚訝的事情:其他語言用 { } 大括號決定程式的「區塊」, 但 Python 用縮排。空白變成了語法的一部分。

def greet(name):
    if name == "Akira":
        print("歡迎回來!")
    else:
        print("你好,陌生人")

greet("Akira")

function greet(name) {
  if (name === "Akira") {
    console.log("歡迎回來!");
  } else {
    console.log("你好,陌生人");
  }
}

greet("Akira");

縮排的視覺結構

每一層縮排就是一個「巢狀層級」,Python 強迫你把程式排得整齊。

Python 讓你少打字、多做事

Python 不只少了 { } 和 ;。它在很多地方都做了「讓你寫得更少」的設計。

列表推導式範例

想做出「1 到 10 中所有偶數的平方」這份清單。

# 一行解決
result = [x**2 for x in range(1, 11) if x % 2 == 0]

print(result)
# [4, 16, 36, 64, 100]

// 要用 filter + map
const result = [...Array(10).keys()]
  .map(x => x + 1)
  .filter(x => x % 2 === 0)
  .map(x => x ** 2);

console.log(result);

三個讓 AI 圈離不開 Python 的理由

前面講了六個原因,但其中三個是真正讓 Python 在 AI 時代站穩腳跟的關鍵。 這三點互相牽動,缺一不可。

# 整數想多大就多大,不會 overflow
>>> 2 ** 100
1267650600228229401496703205376

# 階乘 100!也沒問題
>>> import math
>>> math.factorial(100)
933262154439441526816992388... # 158 位數

// Number 是 64-bit float,大整數會失精
> 2 ** 100
1.2676506002282294e+30  // ❌ 已經失準

// 必須換成 BigInt(後來才加的)
> 2n ** 100n
1267650600228229401496703205376n
// BigInt 還不能跟一般 Number 直接運算

# 一般 float — 兩種語言都會踩雷
>>> 0.1 + 0.2
0.30000000000000004

# Python 解法 1:Decimal(精確小數)
>>> from decimal import Decimal
>>> Decimal("0.1") + Decimal("0.2")
Decimal('0.3')   # ✓ 完全精確,適合金融計算

# Python 解法 2:Fraction(分數運算)
>>> from fractions import Fraction
>>> Fraction(1, 3) + Fraction(1, 6)
Fraction(1, 2)   # ✓ 1/3 + 1/6 = 1/2,完美

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

# 4 行,跑完了。

// 自己實作矩陣運算
Matrix transpose(const Matrix& A) { ... }
Matrix multiply(const Matrix& A, const Matrix& B) { ... }
Matrix inverse(const Matrix& A) { ... }

// 自己實作梯度下降
void gradientDescent(...) {
  for (int i = 0; i < iterations; ++i) { ... }
}

// 還要實作資料前處理、loss function、...
// 上千行起跳

AI 工程師日常用的 Python 套件

這些套件構成了 Python 在 AI 領域的完整生態。 按用途分成七大類,每個套件都標明「用在哪裡」。

同樣是讀檔、算平均

Python 的資料處理寫起來幾乎像在說話。這就是為什麼 AI / 資料科學的人捨不得換語言。

import pandas as pd

df = pd.read_csv("sales.csv")
avg = df["revenue"].mean()
print(f"平均營收:{avg:.2f}")

const fs = require("fs");
const rows = fs.readFileSync("sales.csv", "utf8")
  .split("\n").slice(1)
  .map(r => parseFloat(r.split(",")[2]))
  .filter(n => !isNaN(n));
const avg = rows.reduce((a,b) => a+b) / rows.length;
console.log(`平均營收:${avg.toFixed(2)}`);

最常見的 Python 錯誤

縮排是 Python 的優點,也是初學者最容易翻車的地方。以下是 5 個經典錯誤,請務必認識它們。

def greet(name):
print("Hi, " + name)  # ❌ 沒縮排!

def greet(name):
    print("Hi, " + name)  # ✓

def calc(x):
    if x > 0:
→   print("正數")    # ❌ 上面用空格,這行用 Tab
    else:
        print("非正數")

def check(score):
    if score >= 60:
        print("及格")
      print("恭喜")  # ❌ 縮排 6 格,跟上面 8 格不同

if score >= 60  # ❌ 漏掉冒號
    print("及格")

if score = 100:  # ❌ 賦值,不是比較
    print("滿分")

names = {"Akira", "Yuki", "Hiro"}  # ❌ 這變成 set,不是 list
print(names[0])  # TypeError: 'set' object is not subscriptable

Python 不只是語法,
是思考方式

Python 的設計哲學寫在它自己的彩蛋裡:打開 Python,輸入 import this, 會看到「The Zen of Python」 — Python 之禪。