numpyjava

㈠ 大數據學python還是java

今天給大家介紹一下關於如何選擇大數據的編程語言？

首先比如有一個大數據項目，你知道問題領域(problemdomain)，也知道使用什麼基礎設施，甚至可能已決定使用哪種框架來處理所有這些數據，但是有一個決定遲遲未能做出：

我該選擇哪種語言?(或者可能更有針對性的問題是，我該迫使我的所有開發人員和數據科學家非要用哪種語言?這個問題不會推遲太久，遲早要定奪。

如何選擇大數據的編程語言

當然，沒有什麼阻止得了你使用其他機制(比如XSLT轉換)來處理大數據工作。但通常來說，如今大數據方面有多種語言可以選擇，比如Java、Python、R和Scala。那麼，你該選擇哪種語言?為何要選擇它，或者說何時選擇它? 下面我們照著介紹Python和Java這兩種語言。

Python

如果你的數據科學家不使用R，他們可能就會徹底了解Python。十多年來，Python在學術界當中一直很流行，尤其是在自然語言處理(NLP)等領域。因而，如果你有一個需要NLP處理的項目，就會面臨數量多得讓人眼花繚亂的選擇，包括經典的NTLK、使用GenSim的主題建模，或者超快、准確的spaCy。同樣，說到神經網路，Python同樣游刃有餘，有Theano和Tensorflow;隨後還有面向機器學習的scikit-learn，以及面向數據分析的NumPy和Pandas。

還有Juypter/iPython――這種基於Web的筆記本伺服器框架讓你可以使用一種可共享的日誌格式，將代碼、圖形以及幾乎任何對象混合起來。這一直是Python的殺手級功能之一，不過這年頭，這個概念證明大有用途，以至於出現在了奉行讀取-讀取-輸出-循環(REPL)概念的幾乎所有語言上，包括Scala和R。

Python往往在大數據處理框架中得到支持，但與此同時，它往往又不是「一等公民」。比如說，Spark中的新功能幾乎總是出現在Scala/Java綁定的首位，可能需要用PySpark編寫面向那些更新版的幾個次要版本(對SparkStreaming/MLLib方面的開發工具而言尤為如此)。

Java

最終，總是少不了Java――這種語言沒人愛，被遺棄，歸一家只有通過起訴谷歌才有錢可賺時才似乎關心它的公司(註：Oracle)所有，完全不時髦。只有企業界的無人機才使用Java!不過，Java可能很適合你的大數據項目。想一想HadoopMapRece，它用Java編寫。HDFS呢?也用Java來編寫。連Storm、Kafka和Spark都可以在JVM上運行(使用Clojure和Scala)，這意味著Java是這些項目中的「一等公民」。另外還有像GoogleCloudDataflow(現在是ApacheBeam)這些新技術，直到最近它們還只支持Java。

Java也許不是搖滾明星般備受喜愛的首選語言。但是由於研發人員在竭力理清Node.js應用程序中的一套回調，使用Java讓你可以訪問一個龐大的生態系統(包括分析器、調試器、監控工具以及確保企業安全和互操作性的庫)，以及除此之外的更多內容，大多數內容在過去二十年已久經考驗(很遺憾，Java今年迎來21歲，我們都老矣)。

炮轟Java的一個主要理由是，非常繁瑣冗長，而且缺少互動式開發所需的REPL(R、Python和Scala都有)。我見過10行基於Scala的Spark代碼迅速變成用Java編寫的變態的200行代碼，還有龐大的類型語句，它們占據了屏幕的大部分空間。然而，Java8中新的Lambda支持功能對於改善這種情況大有幫助。Java從來不會像Scala那麼緊湊，但是Java8確確實實使得用Java進行開發不那麼痛苦。

你該使用哪種語言用於大數據項目?恐怕這還得「視情況而定」。如果跨GPU進行NLP或密集的神經網路處理，Python是很好的選擇。如果想要一種加固的、面向生產環境的數據流解決方案，又擁有所有重要的操作工具，Java絕對是出色的選擇。

推薦課程：python基礎語法全講解視頻（馬哥教育2014版）

㈡ Java做大數據分析比Python做大數據分析有什麼優勢

Python在數據分析和交互、探索性計算以及數據可視化等方面都顯得比較活躍，這就是Python作為數據分析的原因之一，python擁有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科學計算方面十分有優勢，尤其是pandas，在處理中型數據方面可以說有著無與倫比的優勢，已經成為數據分析中流砥柱的分析工具
java是計算機的一門編程語言；可以用來做很多工作，大數據開發屬於其中一種；大數據屬於互聯網方向，就像現在建立在大數據基礎上的AI方向一樣，他兩不是一個同類，但是屬於包含和被包含的關系；

java可以用來做大數據工作，大數據開發或者應用不必要用java，可以Python，Scala，go語言等。

㈢ java和Python哪個適合寫爬蟲

當然是Python，一般我們都口語化說Python爬蟲，爬蟲工程師都是用python語言。
Python獨特的優勢是寫爬蟲的關鍵。1)跨平台，對Linux和windows都有不錯的支持;2)科學計算、數值擬合：Numpy、Scipy;3)可視化：2d：Matplotlib, 3d: Mayavi2;4)復雜網路：Networkx、scrapy爬蟲;5)互動式終端、網站的快速開發。
用Python爬取信息的方法有三種：
1、正則表達式。實現步驟分為五步：1)在tomcat伺服器端部署一個html網頁;2)使用URL與網頁建立聯系;3)獲取輸入流，用於讀取網頁中的內容;4)建立正則規則;5)將提取到的數據放到集合中。
2、BeautifulSoup。
Beautiful Soup支持各種html解析器，包括python自帶的標准庫，還有其他的許多第三方庫模塊。其中一個是lxml parser。藉助網頁的結構和屬性等特性來解析網頁的工具，有了它我們不用再去寫一些復雜的正則，只需要簡單的幾條語句就可以完成網頁中某個元素的提取。
3、Lxml。Lxml是Python的一個解析庫，支持HTML和XML的解析，支持xpath解析方式，而且解析效率非常高。Lxml主要解決三個問題：1)有一個XML文件，如何解析;2)解析後，如果查找、定位某個標簽;3)定位後如何操作標簽，比如訪問屬性、文本內容等。
當網頁結構簡單並且想要避免額外依賴(不需要安裝庫)，使用正則表達式更為合適。當需要爬取數據量較少時，使用較慢的BeautifulSoup也可以的。當數據量大時，需要追求效益時，Lxml時最好選擇。
爬蟲是一個比較容易上手的技術，也許你看一篇文檔就能爬取單個網頁上的數據。但對於大規模爬蟲，並不是1*n這么簡單，因此很多企業都在高薪招聘Python精英人才。

㈣ 零基礎學java好還是python好

從專業的角度來說其實這兩種語言都是值得學習的，但是從個人角度來說，零基礎的話建議大家學Python。下面給大家詳細分析他們二者之間的區別：

1、入門難度：Python小於Java。Python的語法簡潔清晰，語法接近英語，Python簡單的語法和少到可以忽略不計的語法糖可已讓初學者專注於思考要做的事情，而不需要在過程上大費周章。開發環境簡單，能打字就能寫代碼，適合新手入門學習。Java語法需要較好的邏輯思維能力，Java基礎語法需要學習的東西也比較多，如：關鍵字、標識符、注釋、常量與變數、運算符、語句、函數、數組等等，入門比Python要難些。

5、未來發展：我國政府目前非常重視人工智慧技術的發展，國務院發布的《新一代人工智慧發展規劃》中，計劃至2030年，我國的人工智慧要達到世界頂尖水平。由於Python是一種用LISP和JAVA編譯的語言，非常適合作為人工智慧語言，所以當人工智慧技術成熟而得到普及後，相信Python編程語言的使用范圍將會大幅度擴大，也許10年後就能見到這個局面吧！但Java在企業級開發的地位依舊是不容挑戰的，Oracle也將Java的未來放在物聯網上，所以Java潛力依舊值得挖掘！

㈤ 機器學慣用java還是python

機器學慣用python更合適。

機器學習不需要面向對象，不需要高可用，高並發等等。而這些是java主打。那python的發展就契合數據分析和數據挖掘。

機器學慣用python更合適的原因：

python在機器學習方面的生態環境碾壓java，很少有用java來做機器學習的。

Python的第三方庫十分強大，特別是一些出名的numpy、pandas、pytorch等

python適合立馬實踐，隨便打開一個控制台就能運行，並且可以很快的得到結果；而java需要打開特定的編程環境，然後編譯運行結果。

更多Python知識請關注Python自學網

㈥ java中有類似numpy的jar包么

一個字 有，三個字 肯定有 Colt

㈦ java 如何調取python類庫，不是只調用Python， 而是裡面的pandas 庫， numpy, 如何 import 進來

一個是編譯型語言，一個是解釋型語言
若不在Java編譯器做一層轉換，告訴你哈這輩子都別想直接調用python代碼庫
python有的一些庫Java也有，按你需求股哥上找找先啊

㈧ python一般用來開發什麼功能比java強大么

Python是一個非常好用的編程語言，開發的速度非常快，而且語法簡單，通俗易懂，很容易上手，很適合初學者學習，對於Python的了解，很多人只知道Python與人工智慧關系密切，卻不知道Python的其他用途，其實學好Python還可以做很多事情，以下是具體的介紹：
1. WEB開發
Python擁有很多免費數據函數庫、免費web網頁模板系統、以及與web伺服器進行交互的庫，可以實現web開發，搭建web框架，目前比較有名氣的Python web框架為Django。從事該領域應從數據、組件、安全等多領域進行學習，從底層了解其工作原理並可駕馭任何業內主流的Web框架。
2. 網路編程
網路編程是Python學習的另一方向，網路編程在生活和開發中無處不在，哪裡有通訊就有網路，它可以稱為是一切開發的「基石」。對於所有編程開發人員必須要知其然並知其所以然，所以網路部分將從協議、封包、解包等底層進行深入剖析。
3. 爬蟲開發
在爬蟲領域，Python幾乎是霸主地位，將網路一切數據作為資源，通過自動化程序進行有針對性的數據採集以及處理。從事該領域應學習爬蟲策略、高性能非同步IO、分布式爬蟲等，並針對Scrapy框架源碼進行深入剖析，從而理解其原理並實現自定義爬蟲框架。
4. 雲計算開發
Python是從事雲計算工作需要掌握的一門編程語言，目前很火的雲計算框架OpenStack就是由Python開發的，如果想要深入學習並進行二次開發，就需要具備Python的技能。
5. 人工智慧
MASA和Google早期大量使用Python，為Python積累了豐富的科學運算庫，當AI時代來臨後，Python從眾多編程語言中脫穎而出，各種人工智慧演算法都基於Python編寫，尤其PyTorch之後，Python作為AI時代頭牌語言的位置基本確定。
6. 自動化運維
Python是一門綜合性的語言，能滿足絕大部分自動化運維需求，前端和後端都可以做，從事該領域，應從設計層面、框架選擇、靈活性、擴展性、故障處理、以及如何優化等層面進行學習。
7. 金融分析
金融分析包含金融知識和Python相關模塊的學習，學習內容囊括Numpy\Pandas\Scipy數據分析模塊等，以及常見金融分析策略如「雙均線」、「周規則交易」、「羊駝策略」、「Dual Thrust 交易策略」等。
8. 科學運算
Python是一門很適合做科學計算的編程語言，97年開始，NASA就大量使用Python進行各種復雜的科學運算，隨著NumPy、SciPy、Matplotlib、Enthought librarys等眾多程序庫的開發，使得Python越來越適合做科學計算、繪制高質量的2D和3D圖像。
9. 游戲開發
在網路游戲開發中，Python也有很多應用，相比於Lua or C++，Python比Lua有更高階的抽象能力，可以用更少的代碼描述游戲業務邏輯，Python非常適合編寫1萬行以上的項目，而且能夠很好的把網游項目的規模控制在10萬行代碼以內。
10. 桌面軟體
Python在圖形界面開發上很強大，可以用tkinter/PyQT框架開發各種桌面軟體！
以上是Python十大應用領域和就業方向，對於學習Python不知道能幹什麼，很迷茫的同學可以作為一個學習指導！

㈨ 如何使用jython調用python的scipy和numpy

這個是可以的，之所以調用不到是因為python執行時的sys.path和Jython的sys.path路徑不一致，你可以寫一個.py文件print一下sys.path,然後再用java執行這個.py文件再看一下輸出路徑。

有兩種解決方法，一是手動添加第三方庫路徑：

PySystemStatesys=Py.getSystemState();
System.out.println(sys.path.toString());
sys.path.add("F:\Python27\Lib\site-packages\numpy");

再一個是把第三方庫文件夾放到執行的.py腳本同級目錄。

參考：網頁鏈接