---

※ 引述《yauhh (喲)》之銘言：
: ※ 引述《OoShiunoO (機機勳)》之銘言：
: : 小弟剛接觸Python一個月，主要是用它的機器學習套件來作資料分析
: : 用了之後感覺是很好用的一種語言
: : 但是似乎有一種感覺，它不算是一種用來寫大型程式的語言
: : 感覺它好像是用來做小工作 小事情的一種語言
: : 所以小弟好奇，在業界，大家都是用Python來幹嘛比較多呢..?
: 想延伸這個問題。你覺得什麼樣的語言才叫做「用來寫大型程式的語言」？
: 以前只有 Fortran 的年代，只有 Algol60 的年代，小的，大的都用那個寫。
: 我想問這個問題，想法是，語言要呈現什麼樣的特徵，你會覺得它是個大器的東西。
: 至於執行的速度，應該要排除在語言的選擇之外。
: 看到前面的討論，都說 Python 寫很快但是有效能的狀況。
: 但是，我覺得這樣想是很偏的。
: 你來嘗試 Python ，不是因為考慮 C 的效能，但卻
: 可能是考慮到 C 語言本身是不是很好寫。
: 但是， Python 寫出來的東西 OK 了，
: 後來在大量使用的時候遇到效能爆炸的情況時，
: 為什麼卻沒有想想，在同樣要觸發效能爆炸的情況下，也許是大量資料或大量使用，
: C 有多少比較好？
: 也許只是你不知道如何去調整好 Python 的效能啊，是吧。
Script language 適合作驗證, 不適合作產品, 撐不起量.
正如作image processing 的,很多人愛用matlab, 但該不會有人拿它作產品吧?
更別說OpenCV拿來當底的(大陸就幹過了)一樣慢.
而處理大量(GB以上)資料以python 要快, 還望你來一篇教學一下.

以下轉來的(加了點修改)
我很喜歡用python，用python處理數據是家常便飯，從事的工作涉及nlp，
算法，推薦，數據挖掘，數據清洗，數據量級從幾十k到幾T不等，我來說說吧
百萬級別數據是小數據，python處理起來不成問題，python處理數據還是有些問題的
Python處理大數據的劣勢：

   間有巨大的數據共享或者共用（例如大dict），多進程會導致內存吃緊

   ，多線程則解決不了數據共享的問題，單獨的寫一個進程之間負責維護
   讀寫這個數據不僅效率不高而且麻煩
2. python執行效率不高，在處理大數據的時候，效率不高，這是真的，

3. 絕大部分的大公司，用java處理大數據不管是環境也好，積累也好，
   都會好很多

Python處理數據的優勢（不是處理大數據）：
1. 異常快捷的開發速度，代碼量巨少
2. 豐富的數據處理包，不管正則也好，html解析啦，xml解析啦，用起來非常方便
3. 內部類型使用成本巨低，不需要額外怎麼操作（java，c++用個map都很費勁）
4. 公司中，很大量的數據處理工作工作是不需要面對非常大的數據的
5. 巨大的數據不是語言所能解決的，需要處理數據的框
   架（hadoop， mpi。。。。）雖然小眾，但是python還是有
   處理大數據的框架的，或者一些框架也支持python
6. 編碼問題處理起來太太太方便了

綜上所述：
1. python可以處理大數據
2. python處理大數據不一定是最優的選擇
3. python和其他語言（公司主推的方式）並行使用是非常不錯的選擇
4. 因為開發速度，你如果經常處理數據，而且喜歡linux終端，而且
   經常處理不大的數據（100m一下），最好還是學一下python


python數據處理的包：
1. 自帶正則包， 文本處理足夠了
2. cElementTree, lxml 默認的xml速度在數據量過大的情況下不足
3. beautifulsoup 處理html

5. numpy, scipy, scikit-learn 數值計算，數據挖掘
6. dpark(搬樓上的答案）類似hadoop一樣的東西

1，2，3，5是處理文本數據的利器（python不就處理文本數據方便嘛），
4，6是並行計算的框架（大數據處理的效率在於良好的分佈計算邏輯，而不是什麼語言）
暫時就這些，最好說一個方向，否則不知道處理什麼樣的數據也不好推薦包，
所以沒有頭緒從哪裡開始介紹這些包

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.230.120.230
※ 文章網址: http://www.ptt.cc/bbs/Soft_Job/M.1412979844.A.A8D.html