为什么入门大数据选择Python而不是Java?

马云说：“未来最大的资源就是数据，不参与大数据十年后一定会后悔。”毕竟出自wuli马大大之口，今年二月份我开始了学习大数据的道路，直到现在对大数据的学习脉络和方法也渐渐清晰。今天我们就来谈谈学习大数据入门语言的选择。当然并不只是我个人之见，此外我搜集了各路大神的见解综合起来跟大家做个讨论。

java和python的区别到底在哪里？

官方解释：Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。Java具有简单性、面向对象、分布式、健壮性、安全性、平 * 立与可移植性、多线程、动态性等特点 。Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等。

Python是一种面向对象的解释型计算机程序设计语言，Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)协议。Python语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。7月20日，IEEE发布2017年编程语言排行榜：Python高居首位。

java和python，都可以运行于linux操作系统，但很多linux可以原生支持python,java需要自行安装。java和python强于c#的原因大于支持linux，支持osx，支持unix，支持arm。java和python比c++受欢迎的原因在于不需要指针。

不少想学习大数据的零基础学员都知道，学大数据部分课程之前要先学习一种计算机编程语言。大数据开发需要编程语言的基础，因为大数据的开发基于一些常用的高级语言，比如Java和python。不论是大数据生态架构，还是数据挖掘，都需要有高级编程语言的基础。因此，如果想学习大数据开发，还是需要着手学习一门高级语言。

那学习大数据我们到底该选择什么？

咱们再来说下大数据。目前国内很多人在说大数据的时候，实际上是把大数据技术和数据科学（含数据分析、数据挖掘、机器学习）混在一起的，许多讨论和争辩其实源于大家说的不是一个事情。  目前高等学校已经有了大数据相关的专业，名字起得也很好，叫《数据科学和大数据技术》，就是把大数据分成两个方向来看待的。数据科学侧重数学抽象和软件工具的使用，对数学和编程要求较高；而大数据技术侧重软件工程实施，对计算机和编程要求较高。虽然两个方向都强调编程，但数据科学的编程是泛编程，可以简单理解为以使用脚本语言或需要编程的软件工具(如Matlab、SAS、R)，而大数据技术的讲的编程是计算机通用编程语言(如Java/C/Python)，职位也更接近我们所说的程序员或者说“码农”。

根据我在知乎、简书、CNDS等等论坛上关于两者语言的讨论综合得出以下结论：

java主要用于商业逻辑强的领域，如商城系统，erp，oa,金融，保险等传统数据库事务领域，通过类似ssh框架事务代码，对商业数据库，如oralce,db2,sql server等支持较好，软件工程理念较强，适合软件工程式的多人开发模式。python主要用于web数据分析，科学计算，金融分析，信号分析，图像算法，数学计算，统计分析，算法建模，服务器运维，自动化操作，快速开发理念强，适合快速开发团队或个人敏捷模式。

Python既是一种面向对象的编程语言又因为其简单、易学、开源、脚本语言范儿的“人设”，是一种既适合数据科学又适合大数技术从业者学习的语言。

如果你想学一门语言，可以从语言的适用性、学习的难易程度、企业主的要求几个方面考虑，从这几个角度看，学习Python都没有什么可挑剔的。

从语言的适用性看，Python有个外号叫“胶水语言”，就是说Python可以随意地组合它和其它程序，它可以作为一个中间处理模块的代码把其他代码“粘合”在一个工程里面，从而快速的部署和实施。

除了在大数据和数据科学领域，它在web前端开发等领域也有广泛应用。从学习难易度来看，作为一个为“优雅”而生的语言，Python语法简捷而清晰，对底层做了很好的封装，是一种很容易上手的高级语言。

在一些习惯于底层程序开发的“硬核”程序员眼里，Python简直就是一种“伪代码”。 从企业主来看，随便打开一个大数据开发的招聘JD，你就会发现不少企业招聘大数据开发工程师时，对具体编程语言的要求已经不再严苛，一般情况下你只要熟练掌握Java/C/Python中的其中一个即可以，毕竟软件工程师的的核心能力不是语言本身而是逻辑思考能力，况且现在中间件这么多，各种语言之间的适配和转换也越来越容易，企业需要的是解决问题，而Python was born for it. 就大数据技术而言，Java在PaaS和SaaS层都有非常多的实践和应用，如果你有Java的基础，可以继续学好Java。

如果你没有Java基础，又想往大数据技术方向发展，那么你或许可以考虑把Python作为你的First language。  在数据科学领域，尤其是在深度学习领域，Python是当仁不二的选择。

当然，任何语言都不是完美的，如果你是一个拥抱变化，未来希望在数据工程和软件工程领域都有发展机遇的话，那么我建议你毫不犹豫的拥抱Python，并不断的尝试新的工具和技术。在实际使用的python入门简单，但要学会用python干活，需要再学习python各种库，pyhton的强大在于库，为什么python的库强大，原因是python的库可以用python，c语言,c++等设计，再提供给python使用，所以无论gpu运行，神经网络，智能算法，数据分析，图像处理，科学计算，各式各样的库在等着你用。

而java没有python那么多的开源库，很多库是商业公司内部使用，或发布出来只是一个jar包，看不到原始代码。python虚拟机因为编译性没有java的支持的好（或者说故意这么设计的），一般直接使用源码（linux），或源码简单打个包（如pyexe）。

小媛建议

对于初学者，尤其是没有接触过语言的人想入门大数据，个人觉得先学python，后学java。首先python作为一门脚本语言，很容易入门。编程并不是说掌握一门或几门语言就足够了，重在提高思维能力。而python容易入门，工具多，短短数行代码就可以实现一个强大的功能，增强初学者的信心，另一方面让初学者有一个对编程思维的初步理解。

在这之后再学习java，首先语法很容易入门，再者对编程有一定理解后，才更能体会到类，继承，接口，甚至之后接触各种框架，这些内容对于大型项目带来的优势。

转载声明：本文转载自「程序媛不是程序猿」