python提供了大量的图书馆来处理大数据。在开发代码方面，您也可以比任何其他编程语言更快地使用python for big data。这两个方面使全球开发人员能够将python作为大数据项目的首选语言。
在python中处理任何数据类型是非常容易的。让我们用一个简单的例子来建立这个。您可以从下面的快照中看到，'a'的数据类型是字符串，数据类型'b'是整数。好消息是，您不必担心处理数据类型。python已经为你处理好了。
有关于大数据的相关问题？请加群640193172提及他们，我们共同讨论。
现在百万美元的问题是 具有大数据的python或具有大数据的java？
我最喜欢python，有大数据，因为在java中，如果你编写200行代码，我可以用python代码在20行代码中做同样的事情。有些开发人员表示，java的性能比python好，但是我观察到，当您使用大量数据（gb，tb等）时，性能几乎相同，而开发时间较少在大数据上使用python。
python最好的一点是数据没有限制。即使使用简单的机器（如商品硬件，笔记本电脑，桌面设备等），您也可以处理数据。
python可用于编写hadoop mapreduce程序和应用程序，以使用pydoop软件包访问hadoop的hdfs api
pydoop最大的优点之一是hdfs api。这样可以连接到hdfs安装，读取和写入文件，并无缝地获取有关文件，目录和全局文件系统属性的信息。
pydoop的mapreduce api允许您通过最少的编程工作来解决许多复杂的问题。advance mapreduce概念，如“计数器”和“记录读者”可以使用pydoop在python中实现。
在下面的例子中，我将运行一个用python编写的简单的mapreduce字数计数程序，它计算输入文件中单词出现的频率。所以我们下面有两个文件 - “mapper.py”和“reducer.py”，都是用python编写的。
图：mapper.py
图：reducer.py
图：运行mapreduce作业
图：输出
这是一个非常基本的例子，但是当您编写一个复杂的mapreduce程序时，与使用java编写的mapreduce程序相比，python将减少10行代码行数。
为什么python对数据科学家有意义
数据科学家的日常任务涉及许多相互关联但不同的活动，例如访问和操作数据，计算统计信息和围绕该数据创建视觉报告。这些任务还包括建立预测和解释模型，对附加数据进行这些模型评估，将模型集成到生产系统中等等。python对于数据科学家平均每天所做的一切都有各种各样的开源库。
scipy（发音为“sigh pie”）是一个基于python的开源数据，科学和工程软件生态系统。还有许多可以使用的其他库。
判决是，python是与大数据一起使用的最佳选择。