第二派就是吃到过py的甜头，大底上持中立态度；
而第三派便是py吃到底，除了搞数据的怕就是搞教育的了（败坏py名声的主要部分人）。
首先，很多人觉得py是一个后起之师，像是一个试图挑战java的霸主地位的登徒子。但事实是：py诞生的一点不晚，70s最早的py就出现了，它只是没遇到合适的时代。论历史，py和java谁也不占优势，只能说国内环境下的开发者活跃度远不如guo2ji4环境下，相比于java完全面向企业维护，py这种基于开发者社区维护的语言早期抢不到风头。
其实很多瞧不上py的人可去国外salary research网站查一下，py senior的收入无论在美丽国还是枫叶国都大幅高于其它的语言的开发者，而国内的闭门造车早晚还是要接受internation化趋势的洗礼。py没那么不堪，更何况现在是数据的时代而不再是语法拼接的时代。甭管是搞统计搞算法还是搞机器学习，说自己不会py必然是要被扫地出门的。可能有人要说matlab和r不也一样可以搞数据，而这就要讲到py的第二个优势：胶水性。
有人总要拿py跟java比，跟C比，总觉得这样的比较一个是没有意义，一个是好像在自降身价。py本来的主战场就不是软件开发，但因为大量库的加持，py在轻量和常用软件市场上跟java，C等老牌强者有了一战之力，但别忘了这只是py的“辅修”方向，而某些人却自以为是的拿某些语言的“主修“来相提并论：这种比较下，如果py比输了，那也不丢人毕竟本来也无所谓；如果py比赢了，那可真就是打脸打肿了。
相对的，如果回到py的数据类主战场，可以说java类语言一个能打的都没有。单是那繁琐的占位符体系，在起跑线上就输掉了一大截。近年来，大数据人工智能火上了天，而py便是这风口上的猪。java等老牌语言固然均衡固然强，但天力不可违，干嘛跟猪抢风口？这条赛道上，py长期的霸主地位无法动摇。而py相比其它数据处理语言优势更加明显：py正手可以搞数据，反手可以写程序，两条赛道甭管主次我都上，干的过谁是谁。这种强大的胶水性顺应了这个互联网+的时代。还是那句话，py再弱智再猪头，它也依旧站在风口上飞。
不同于java主要基于企业维护升级，可以说py才是开发者们自己的东西，从头到尾都是开发者团队及社区在进行主要维护升级，而其中各领域大量的开源库也均是牛毛出自牛身上。你可以不用py，你可以不喜欢py，但你不能瞧不起py，毕竟py才真正意义上是我们，是开发者们自己做出来的东西。
人工智能本来就不单纯属于计算机，也不属于py，它是一个非常复杂的交叉学科：从开发端到数据端，从数据端到模型端，从模型端到应用端… 这其中需要多少各领域专业知识储备无需多说。无论如何也不是三五个月能学成的。不说这些辅导班，其实本科开人工智能专业本来就有些哗众取宠，顶流985就算了，其他这些学校则是试图把人工智能廉价化，从而达到在不具备知识背景下也能学习的目的，但他们却不想这本就该是一个神仙打架的领域。
人工智能，无论是对知识储备的需求，还是本身具备的学习难度，它都在很大程度上超越了本科的教学范畴，本科亦是如此，这里就更不提某些自视甚高的补习班老师了。还望那些处于观望状态下的人擦亮眼睛，不要听了那些py鄙弃者的辱骂，也不要信了这些py狂热教育份子的鬼话。
最后希望说一说某些搞py速成教育的混蛋以及劝一劝希望短期靠py大成人工智能的梦想家。py固然强大固然好学，但不是谁都能用好这把屠龙刀。所有的教育机构都打着大数据分析，人工智能的旗号，在宣传上大搞特搞。但如果真能三个月速成人工智能，那么多算法工程师还用得着吃土？
当然最后的最后，在这里也劝某些思维固化的人们多去尝尝新事物的香，毕竟在这个领域这个行业内混，不进步用不了多久就落伍了。
思想固化，逆势而为，逆水行舟，不进则退。