Python-Jubiläum: 30 Jahre und kein bisschen leise
Nach drei Jahrzehnten Entwicklung ist die Sprache gereift, aber keineswegs alt. Ihre Popularität legte zuletzt dank Data Science und Machine Learning weiter zu.
![](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/3/0/6/1/0/5/9/Python-30-1b1a0c4bf46051ed.png)
Die Ursprünge der von Guido van Rossum kreierten General Purpose Language Python reichen zurück in das Jahr 1989, der offizielle Startschuss erfolgte aber am 20. Februar 1991. Die universell einsetzbare und vor allem als leicht zu erlernen geltende Programmiersprache feierte damit am Wochenende nun ihr 30-jähriges Jubiläum. Insbesondere seit der zur Jahrtausendwende veröffentlichten und komplett objektorientiert konzipierten Version Python 2.0 ist die Popularität der Sprache kontinuierlich gewachsen – bis sie schließlich in den 2010er-Jahren zu einer der bevorzugten Lehrsprache im universitären Umfeld avancierte.
Community-Governance statt wohlwollendem Diktator
Als sogenannter wohlwollender Diktator auf Lebenszeit (Benevolent Dictator for Life – BDFL) begleitete Sprachschöpfer van Rossum die Weiterentwicklung von Python über viele Jahre hinweg und trieb sie auch aktiv mit voran. Erst ein heftiger Streit um die von ihm vorgeschlagene Einführung von Assignment Expressions (PEP 572) veranlasste van Rossum 2018 zum Rücktritt von seinem Posten. In der Folge bemühten sich die Python Software Foundation und die Community um ein neues Governance-Modell, das die weitere Entwicklung der Programmiersprache sicherstellen sollte.
Der Popularität von Python schadeten diese Auseinandersetzungen aber ebenso wenig wie der bereits 2008 mit dem Start der Python-3.x-Serie erfolgte Bruch mit der konsequenten Rückwärtskompatibilität, die Python 2.x stets kennzeichnete. Deren Ende wurde inzwischen mit Erscheinen von Version 2.7.18 am 20. April 2020 besiegelt.
Langsamer, aber kontinuierlicher Aufstieg
Nahezu zeitgleich zum damaligen Auftakt zu Python 3 erkannte auch Google die Vorzüge der Multiparadigmensprache und wählte sie als erste für die Platform as a Service (PaaS) App Engine – noch vor Java, PHP und Go. Zu den wichtigsten Einsatzfeldern von Python entwickelten sich jedoch wissenschaftliche Anwendungen wie numerische Berechnungen und das visuelle Aufbereiten von Ergebnissen mit den bekannten Bibliotheken NumPy und Matplotlib. In den letzten Jahren befeuerten zudem Machine Learning und Data Science den Einsatz von Python, insbesondere über Bibliotheken und Frameworks wie TensorFlow, Keras, scikit-learn und PyTorch.
Die immer noch wachsende Popularität von Python spiegelt sich unter anderen auch in den vielfältigen regelmäßig erscheinenden Programmiersprachen-Rankings wider, in denen sich Python mittlerweile fest in der Spitzengruppe neben Java, C und C++ etabliert hat – und auch bereits mehrfach zur "Sprache des Jahres" gekürt wurde, zuletzt beispielsweise im TIOBE Programming Community Index für das Jahr 2020.
Der Blick nach vorn: Pattern Matching
Auch wenn Python zweifellos zu den gereiftesten Sprachen zählen darf, die sich in vielen Anwendungsfeldern etabliert und bewährt hat, steckt sich die Community weiterhin ambitionierte Ziele und treibt die Fortentwicklung der Sprache voran. Für das nächste Update – Python 3.10 soll im Herbst 2021 fertiggestellt werden – ist beispielsweise die Erweiterung um Pattern Matching angepeilt und damit eine der umfassendsten Syntax-Änderungen seit langer Zeit.
Tiefere Einblicke in die Features und Besonderheiten der Programmiersprache erfahren Python-Entwicklerinnen und -Entwickler auf der diesjährigen enterPy-Konferenz. Beim Deep Dive "Professioneller Programmieren in Python" am 15. April stehen Themen wie Performance-Tuning, async/await, APIs, das Typsystem, Code-Qualität und Hilfe beim Umstieg auf Python 3 auf der Agenda.
Der zweite Thementag "Data Workflows mit Python" am 6. Mai widmet sich Tools und Best Practices rund um Machine Learning und Data Science.
Während Python stets von seiner flexiblen Erweiterbarkeit profitiert hat, die sich in performanten Ergänzungen wie in C geschriebenen Libraries (etwa NumPy) widerspiegeln, haben in den vergangenen Jahren weitere, zum Teil komplexe Neuerungen Einzug gehalten – darunter das Async-IO- und das dynamische Typsystem, die Entwicklerinnen und Entwicklern mehr Optionen verschaffen, ihren Code und die Performance zu optimieren.
Noch immer auf der Wunschliste vieler Python-Anwender steht hingegen eine Überarbeitung des Packaging. Beim Installieren und Paketieren verlangt Python seinen Nutzern viel Mühe und den Einsatz zahlreicher Hilfsmittel ab – und hinkt damit dem Komfort anderer Programmiersprachen hinterher.
(map)