筆者最近在國內某程式討論區上看到一則有關資料結構的問題，原樓主是某個資訊科系的學生，因為對資料結構的實作不熟而苦惱。原先該網友使用 C 語言，而有些網友建議原 po 改用 Python，這時候引起正反兩方的一番論戰，筆者在這裡就不重覆論述其過程。其實重點並不在於要不要用 Python，而是為什麼要 (或不要) 用 Python。
首先，程式語言並不是像江湖武術般，非黑即白、有我沒你，另投他門就是罪該萬死。在某個時機點，A 語言可能會是最佳解 (sweet spot)，但在另一個時間點，同樣的語言卻顯得殺雞用牛刀。TensorFlow 表面上是 Python 套件庫，但內部是由 C++ 撰寫，再透過 C API 提供 Python (和其他高階語言) 的接口。同樣地，LibXML2 本身以 C 寫成，在 Python 包成 lxml，在 Ruby 則包成 Nokogiri。我們會用 C (或 C++) 寫其他高階語言的延伸套件，但不會直接用這兩種語言寫命令稿，因為不同語言有其合適的使用時機。
那麼，我們為什麼會用 Python (或 Ruby 或其他高階語言) 實作資料結構和演算法呢？由於 Python 運行速度偏慢，即使演算法正確，用 Python 實作的實用性相對偏低。不過，我們仍然可以看到一些用 Python 實作資料結構或演算法的書，像是 Data Structure and Algorithmic Thinking with Python (CareerMonk Publications, 2015) 等；良葛格也在其網站上用 C、Java、Python、Ruby、JavaScript 等多種語言展示相同的演算法，表示英雄所見略同。演算法是讓電腦程式更有效率的方法論，本身和特定的程式語言無關，不論是 Python、Ruby 或其他的高階語言，都可拿來做為練習的工具。使用 Python 這類較高階的語言，可以減少因語言本身的特性所造成的錯誤，專注在抽象思考上。
不過，如果自己的工作和資訊相關，最好還是要學一下 C (或 C++)。雖然用 Python 或 Ruby 或其他高階語言寫程式很舒服愉悅，我們有時還是會碰到一些效能瓶頸的部分，這些部分還是得回頭用 C (或 C++) 來寫。即使不直接用 C 寫程式，有一些 C 的知識還是會有幫助，像是在安裝一些高階語言的延伸模組時，背後實際上仍是某些 C (或 C++) 所寫的程式在運作著，這時候相關的背景知識就會有些幫助。即使使用像 Rust 這種新興語言，要和其他語言合作時，仍需提供 C 的接口，這時就會間接用到 C 的知識。
由於以 C (或 C++) 撰寫程式需要程式設計者的專注和自律，後來有一些新興的編譯語言試圖簡化這些苦工，像是先前的 D 語言或是近年來的 Go 語言 (golang) 和 Rust。這些語言並沒有取代 C，仍然提供 C 的接口；但以這些語言撰寫程式，會比直接用 C/C++ 來得簡單。在這些語言中，Go 由於簡潔的設計和良好的工具鏈，在國外相當地風行；而 D 和 Rust 各有一些支持者。程式語言試圖在效率和易用間取得一個最佳的平衡點，每個語言的設計哲學不同，使其使用情境相異。
使用那種語言實作資料結構和演算法沒有絕對的對錯，而要想想為什麼在這個當下要用 A 語言而非 B 語言。當自己清楚箇中緣由後，就不需落入網路上的口水戰了。