① 各种动物，植物，蔬菜的英文名字
动物-英语词汇 horse 马 mare 母马 colt, foal 马驹，小马 pony 矮马 thoroughbred 纯种马 mustang 野马 mule 骡 ass, donkey 驴 ox 牛 buffalo 水牛 bull 公牛 cow 母牛 calf 小牛，牛犊 bullock, steer 小阉牛 heifer 小母牛 pig, swine 猪 boar 种猪 hog 阉猪，肥猪 gilt 小母猪 piglet 猪崽 sheep 羊 ewe 母羊 goat 山羊 lamb 羊羔，羔羊 zebra 斑马 antilope 羚羊 gazelle 小羚羊 deer 鹿 reindeer 驯鹿 giraffe 长颈鹿 camel 骆驼 dromedary 单峰驼 llama 大羊驼 guanaco 原驼 alpaca 羊驼 vicuna 小羊驼 elephant 象 rhinoceros 犀牛 hippopotamus 河马 cat 猫 tabby, she-cat, grimalkin 雌猫 tomcat 雄猫, 公猫 kitten, kitty, pussy 小猫 lion 狮 lynx 猞猁 panther, puma 美洲豹 leopard 豹 tiger 虎 wildcat 野猫 bison 美洲野牛 yak 牦牛 dog 狗 badger 獾 weasel 鼬，黄鼠狼 otter 水獭 fox 狐 hyena, hyaena 鬣狗 wolf 狼 squirrel 松鼠 dormouse 睡鼠 beaver 河狸 marmot 土拨鼠 ferret 雪貂 bear 熊 rabbit 兔子 hare 野兔 rat 鼠 chinchilla 南美栗鼠 gopher 囊地鼠 Guinea pig 豚鼠 marmot 土拨鼠 mole 鼹鼠 mouse 家鼠 vole 田鼠 monkey 猴子 chimpanzee 黑猩猩 gorilla 大猩猩 orangutan 猩猩 gibbon 长臂猿 sloth 獭猴 anteater 食蚁兽 ckbill, platypus 鸭嘴兽 kangaroo 袋鼠 koala 考拉，树袋熊 hedgehog 刺猬 porcupine 箭猪，豪猪 bat 蝙蝠 armadillo 犰狳 whale 鲸 dolphin 河豚 porpoise 大西洋鼠海豚 seal 海豹 walrus 海象 eagle 鹰 bald eagle 白头鹰 condor 秃鹰 hawk, falcon 隼 heron 苍鹰 golden eagle 鹫 kite 鹞 vulture 秃鹫 cock 公鸡 hen 母鸡 chicken 鸡，雏鸡 guinea, fowl 珍珠鸡 turkey 火鸡 peacock 孔雀 ck 鸭 mallard 野鸭，凫 teal 小野鸭 gannet 塘鹅 goose 鹅 pelican 鹈鹕 cormorant 鸬鹚 swan 天鹅 cob 雄天鹅 cygnet 小天鹅 gander, wild goose 雁 dove 鸽 pigeon 野鸽 turtle dove 斑鸠 pheasant 雉，野鸡 grouse 松鸡 partridge 石鸡，鹧鸪 ptarmigan 雷鸟 quail 鹌鹑 ostrich 鸵鸟 stork 鹳 woodcock 山鹬 snipe 鹬 gull, seagull 海鸥 albatross 信天翁 kingfisher 翠鸟 bird of paradise 极乐鸟，天堂鸟 woodpecker 啄木鸟 parrot 鹦鹉 cockatoo 大葵花鹦鹉 macaw 金刚鹦鹉 parakeet 长尾鹦鹉 cuckoo 杜鹃，布谷鸟 crow 乌鸦 blackbird 乌鸫 magpie 喜鹊 swallow 燕子 sparrow 麻雀 nightingale 夜莺 canary 金丝雀 starling 八哥 thrush 画眉 goldfinch 金翅雀 chaffinch 苍头燕雀 robin 知更鸟 plover 千鸟 lark 百鸟，云雀 swift 褐雨燕 whitethroat 白喉雀 hummingbird 蜂雀 penguin 企鹅 owl 枭，猫头鹰 scops owl 角枭，耳鸟 snake 蛇 adder, viper 蝰蛇 boa 王蛇 cobra 眼镜蛇 copperhead 美洲腹蛇 coral snake 银环蛇 grass snake 草蛇 moccasin 嗜鱼蛇 python 蟒蛇 rattlesnake 响尾蛇 lizard 蜥蜴 tuatara 古蜥蜴 chameleon 变色龙，避役 iguana 鬣蜥 wall lizard 壁虎 salamander, triton, newt 蝾螈 giant salamander 娃娃鱼，鲵 crocodile 鳄鱼，非洲鳄 alligator 短吻鳄，美洲鳄 caiman, cayman 凯门鳄 gavial 印度鳄 turtle 龟 tortoise 玳瑁 sea turtle 海龟 bullfrog 牛蛙 toad 蟾蜍 frog 青蛙 植物： rose 玫瑰花 tulip 郁金香 balsam 凤仙花 canna 美人蕉 lily 百合花 jasmine 茉莉 sweet pea 香豌豆花 sunflower 向日葵 geranium 大竺葵 morning-glory 牵牛花 cosmos 大波斯菊 pansy 三色堇 poppy 罂粟花 marigold 金盏花 carnation 麝香石竹 amaryllis 孤挺花 dahlia 大丽花 pink 石竹花 crocus 番红花 iris 蝴蝶花 hyacinth 风信花 daffodil 黄水仙 chrysanthemum 菊 marguerite, daisy 雏菊 gladiolus 剑兰 cantury plant 龙舌兰 magnolia 木兰 yucca 丝兰 orchid 兰花 freesia 小苍兰 cyclamen 仙客来 begonia 秋海棠 anemone 银莲花 wisteria 柴藤 redbud 紫荆 dogwood 山茱萸 hawthorn 山楂 camellia 山茶 hydrangea 八仙花 hibiscus 木槿 peony 芍药 azalea 杜鹃 rhododendron 杜鹃花 daphne 瑞香 gardenia 栀子 lilac 紫丁香 night-blooming cereus 仙人掌 apple 苹果 pear 梨 orange 桔子 quince 柑橘 apricot 杏 plum 洋李 pistil 雌蕊 ovary 子房 petal 花瓣 anther 花药 stamen 雄蕊 nectar gland 蜜腺 sepal 萼片 stalk 花柄 pollen 花粉 pine 松 cerdar 雪松类 larch 落叶松 juniper 杜松 cone 松果 cypress 柏树 bamboo 竹 box 黄杨 poplar 白杨 cottonwood 三角叶杨 osier 紫皮柳树 willow 垂柳 birch 白桦 maple 枫树 sequoia 红杉 fir 冷杉 hemlock spruce 铁杉 spruce 云杉 yew 紫杉 eucalytus 桉树 locust 洋槐 wattle 金合欢树 camphor tree 樟树 rosewood 紫檀 ebony 乌檀 sandalwood 檀香木 satinwood 椴木 linden 椴树 rowan 欧洲山梨 teak 柚木树 elm 榆木树 oak 橡树 acorn 橡树果 sycamore 美国梧桐 ginkgo 银杏树 holly 冬青 coco 椰树 date 枣椰树 hickory 山核桃树 plane tree 悬铃树 beech 山毛榉 horse chestnut 七叶树 blackthorn 黑刺李 baobab 猴面包树 elder 接骨木 myrtle 桃金娘科植物 cycad 苏铁 oil palm 油棕榈树 treetop 树梢 branch 树枝 twig 小树枝 bough 大树枝 knot 树节 trunk 树干 leaf 树叶 sprout 新芽 sapling 树苗 stump 树桩 root 树根 root hair 根毛 taproot 主根 bark 树皮 resin 树脂 pith 木髓 cambium 形成层 ring 年轮 wood 木材 azalea 杜鹃花 begonia 秋海棠 Brazil 巴西木 cactus 仙人掌 camellia 山茶花 carnation 麝香石竹(康乃馨) Chinese enkianthus 灯笼花 Chinese flowering crab-apple 海棠花 chrysanthemum 菊花 dahlia 大丽花 daisy 雏菊 datura 曼陀罗 epiphyllum 昙花 fringed iris 蝴蝶花 fuchsia 倒挂金钟 gardenia 栀子 India canna 美人蕉 jasmine 茉莉 lilac 丁香 lily 百合 mangnolia 木兰花 mangnolia 玉兰花 morning glory 牵牛(喇叭花) narcissus 水仙花 oleander 夹竹桃 orchid 兰花 pansy 三色堇 peony 牡丹 peony 芍药 phalaenopsis 蝶兰 rose 玫瑰 rose 月季 setose asparagus 文竹 touch-me-not (balsam) 凤仙花 tulip 郁金香 violet, stock violet 紫罗兰 water hyacinth 凤眼兰 蔬菜： arrowhead慈菇 asparagus芦笋 balsam apple苦瓜 bamboo sprout竹笋 bean豆荚，蚕豆 beet甜菜 cabbage卷心菜 carrot胡萝卜 cassava木薯 cauliflower花菜 celery芹菜 Chinese cabbage白菜，青菜 Chinese eddo芋艿 chive细香葱 coriander香菜 cow pea豇豆 cress水芹 cucumber黄瓜 dried bamboo shoot笋干 eggplant茄子 garlic蒜 garlic sprout蒜苗 ginger姜 green pea嫩豌豆 green pepper青椒 hot pepper辣椒 kale甘蓝菜 leek韭菜 legume豆荚 lentil小扁豆 lettuce莴苣，生菜 lotus roots藕 marrow西葫芦 (我更偏爱糖葫芦) marrow bean菜豆 mushroom蘑菇 mustard芥菜，芥末 onion洋葱 pea豌豆 pepper胡椒，辣椒 potato薯仔 pumpkin南瓜 radish萝卜 rape油菜 red pepper红辣椒 romaine我句，生菜 salted vegetable咸菜 scallion葱 shepherd’s purse荠菜 snake gourd丝瓜 soy大豆 Spanish potato番薯 spinach菠菜 straw mushroom草菇 string bean刀豆 sweet pepper甜椒 taro芋艿 tomato番茄 toon香椿 turnip芜菁 water chestnut荸荠 water shield莼菜 wax gourd冬瓜 yam山药
② 我为什么说 Python 是大数据全栈式开发语言 怎样成为数据分析师
就像只要会JavaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。
云基础设施
这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。
云平台分为私有云和公有云。私有云平台如日中天的 OpenStack
，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年
初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。
如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。
提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapRece数据处理速度不够快，已经不再作为大数据处理的首选，但
是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第
三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。
Hadoop MapRece的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。
DevOps
DevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。
自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预
安装什么软件。
自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。
自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。
在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。
除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。
网络爬虫
大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。
网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。
不过，网络爬虫并不仅仅是打开网页，解析HTML这么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的
线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。Python由于能够很好的支持协程（ Coroutine ）操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。
抓取下来的数据，需要做分词处理，Python在这方面也不逊色，着名的自然语言处理程序包NLTK，还有专门做中文分词的Jieba，都是做分词的利器。
数据处理
万事俱备，只欠东风。这东风，就是数据处理算法。从统计理论，到数据挖掘，机器学习，再到最近几年提出来的深度学习理论，数据科学正处于百花齐放的时代。数据科学家们都用什么编程？
如果是在理论研究领域，R语言也许是最受数据科学家欢迎的，但是R语言的问题也很明显，因为是统计学家们创建了R语言，所以其语法略显怪异。而且
R语言要想实现大规模分布式系统，还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验，算法确定之后，再翻译成工程语言。
Python也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直
接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言
提供了非常好的支持。
Python的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让
Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的 Pylearn2 ，是深度学习领域的重要成员。 Theano 利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有 Pandas ，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。
对了，还有 iPython ，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行 ipython notebook 在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。
iPython Notebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。
为什么是Python
正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。
对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行 import this
，读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。
对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。
对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简
洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python
是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——
如何解决问题。
③ Python自动化测试框架有哪些
分享一些可用的Python自动化测试框架。
自动化测试常用的Python框架有哪些？常用的框架有Robot Framework、Pytest、UnitTest/PyUnit、Behave、Lettuce。Pytest、Robot Framework和UnitTest主要用于功能与单元测试，Lettuce和Behave仅适用于行为驱动测试。
一、Robot Framework
Python测试框架之一，Robot Framework被用在测试驱动(test-driven)类型的开发与验收中。虽然是由Python开发而来，但是它也可以在基于.Net的IronPython和基于Java的Jython上运行。作为一个Python框架，Robot还能够兼容诸如Windows、MacOS、以及Linux等平台。
在使用Robot Framework(RF)之前，需要先安装Python 2.7.14及以上的版本。推荐使用Python 3.6.4，以确保适当的注释能够被添加到代码段中，并能够跟踪程序的更改。同时还需要安装Python包管理器--pip。
二、Pytest
适用于多种软件测试的Pytest，是另一个Python类型的自动化测试框架。凭借着其开源和易学的特点，该工具经常被QA(质量分析)团队、开发团队、个人团队、以及各种开源项目所使用。鉴于Pytest具有“断言重写(assert rewriting)”之类的实用功能，许多大型互联网应用，如Dropbox和Mozilla，都已经从下面将要提到的unittest(Pyunit)切换到了Pytest之上。
除了基本的Python知识，用户并不需要更多的技术储备。另外，用户只需要有一台带有命令行界面的测试设备，并且安装好了Python包管理器、以及可用于开发的IDE工具。
三、UnitTest/PyUnit
UnitTest/PyUnit一种标准化的针对单元测试的Python类自动化测试框架。基类TestCase提供了各种断言方法、以及所有清理和设置的例程。因此，TestCase子类中的每一种方法都是以“test”作为名词前缀，以标识它们能够被作为测试用例所运行。用户可以使用load方法和TestSuite类来分组、并加载各种测试。
可以通过联合使用，来构建自定义的测试运行器。正如我们使用Junit去测试Selenium那样，UnitTest也会用到UnitTest-sml-reporting、并能生成各种XML类型的报告。由于UnitTest默认使用了Python，因此我们并不需要什么先决条件。除了需要具备Python框架的基本知识，您也可以额外地安装pip、以及用于开发的IDE工具。
四、Behave
行为驱动开发是一种基于敏捷软件开发的方法。它能够鼓励开发人员、业务参与者和QA人员，三者之间的协作。Python测试框架Behave允许团队避开各种复杂的情况，去执行BDD测试。从本质上说该框架与SpecFlow和Cucumber相似，常被用于执行自动化测试。用户可以通过简单易读的语言来编写测试用例，并能够在其执行期间粘贴到代码之中。而且，那些被设定的行为规范与步骤，也可以被重用到其他的测试方案中。
任何具备Python基础知识的人都可以使用Behave。其他先决条件还包括：先安装Python 2.7.14及以上的版本。通过Python包管理器或pip来与Behave协作。大多数开发人员会选择Pycharm作为开发环境，当然您也可以选用其他的IDE工具。
五、Lettuce
Lettuce是另一种基于Cucumber和Python的行为驱动类自动化工具。Lettuce主要专注于那些具有行为驱动开发特征的普通任务。它不但简单易用，而且能够使得整个测试过程更流畅、甚至更有趣。安装带有IDE的Python 2.7.14、及以上的版本。当然，您也可以使用Pycharm或任何其他IDE工具。同时，您还需要安装Python包管理器。
自动化测试的Python框架，Pytest、Robot Framework和UnitTest可主要用于功能与单元测试，而Lettuce和Behave仅适用于行为驱动测试。对于功能测试而言，Pytest是的。如果您是基于Python自动化测试的新手，Robot Framework是的入门工具。虽然其功能有所受限，但是它非常容易上手。对于基于Python的BDD测试而言，Lettuce和Behave同样优秀。不过，如果你已经有了一定的Pytest经验，那么请使用Pytest-bdd。
④ 基于python的自动化测试框架有哪些
好象python的浏览器测试框架，原来只有一个，还是仿ruby的框架做的。似乎在IE上可以比较好的应用。很老的框架。对JS支持不好。
不过python写个测试框架真是非常容易的事情，随手就来。 基于浏览器测试也容易做。因为你可以使用pyqt，这个库里有一个基于webkit的浏览器。基本上，想做什么都可以了。
最近听说有几个新的BDD的框架正在做。也不知道怎么样。
其实对于python这种语言来说，框架的成本太低。所以最好不要做框架。它有一个基本的编程原则则DRY。do not repeat yourself。不要再造轮子的意思。
直接使用现有的python的testsuite结合进程，线程模型，还有QT轻松就组装出一个测试模块。
⑤ Python BDD自动化测试框架有哪些
Python自动化测试框架比较有名的就是python+selenium，还有单元测试框架PyUnit，还有一个叫做Robot Framework的自动化测试框架，大大小小的有很多
BDD顾名思义Behavior Driven Development，译作"行为驱动开发"，是基于TDD(Test Driven Development 测试驱动开发)的软件开发过程和方法。BDD可以让项目成员（甚至是不懂编程的）使用自然语言来描述系统功能和场景，从而根据这些描述步骤进行系统自动化的测试。
BDD的自动化测试框架的话，目前应用最好的是Ruby下的Cucumber，Python下有类似的Behave、Lettuce及Freshen等，这三个都差不多，个人推荐Behave
可以网络这篇文章（我写的）：Python BDD自动化测试框架初探
⑥ 为什么说Python是大数据全栈式开发语言
就像只要会JavaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。
云基础设施
这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。
云平台分为私有云和公有云。私有云平台如日中天的 OpenStack
，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年
初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。
如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。
提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapRece数据处理速度不够快，已经不再作为大数据处理的首选，但
是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第
三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。
Hadoop MapRece的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。
DevOps
DevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。
自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预
安装什么软件。
自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。
自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。
在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。
除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。
网络爬虫
大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。
网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。
不过，网络爬虫并不仅仅是打开网页，解析HTML这么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的
线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。Python由于能够很好的支持协程（ Coroutine ）操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。
抓取下来的数据，需要做分词处理，Python在这方面也不逊色，着名的自然语言处理程序包NLTK，还有专门做中文分词的Jieba，都是做分词的利器。
数据处理
万事俱备，只欠东风。这东风，就是数据处理算法。从统计理论，到数据挖掘，机器学习，再到最近几年提出来的深度学习理论，数据科学正处于百花齐放的时代。数据科学家们都用什么编程？
如果是在理论研究领域，R语言也许是最受数据科学家欢迎的，但是R语言的问题也很明显，因为是统计学家们创建了R语言，所以其语法略显怪异。而且
R语言要想实现大规模分布式系统，还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验，算法确定之后，再翻译成工程语言。
Python也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直
接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言
提供了非常好的支持。
Python的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让
Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的 Pylearn2 ，是深度学习领域的重要成员。 Theano 利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有 Pandas ，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。
对了，还有 iPython ，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行 ipython notebook 在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。
iPython Notebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。
为什么是Python
正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。
对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行 import this
，读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。
对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。
对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简
洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python
是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——
如何解决问题。