这篇文章主要介绍Python处理大数据时有哪些缺点 ，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
我很喜欢用python，用python处理数据是家常便饭，从事的工作涉及nlp，算法，推荐，数据挖掘，数据清洗，数据量级从几十k到几T
不等，我来说说吧
百万级别数据是小数据，python处理起来不成问题，python处理数据还是有些问题的。
Python处理大数据的劣势：
1.python线程有gil，通俗说就是多线程的时候只能在一个核上跑，浪费了多核服务器。在一种常见的场景下是要命的：并发单元之间有巨
大的数据共享或者共用（例如大dict），多进程会导致内存吃紧，多线程则解决不了数据共享的问题，单独的写一个进程之间负责维护读
写这个数据不仅效率不高而且麻烦
2.python执行效率不高，在处理大数据的时候，效率不高，这是真的，pypy（一个jit的python解释器，可以理解成脚本语言加速执行的
东西）能够提高很大的速度，但是pypy不支持很多python经典的包，例如numpy（顺便给pypy做做广告，土豪可以捐赠一下PyPy -
Call for donations）
3.绝大部分的大公司，用java处理大数据不管是环境也好，积累也好，都会好很多。
Python处理数据的优势（不是处理大数据）：
1. 异常快捷的开发速度，代码量巨少 2. 丰富的数据处理包，不管正则也好，html解析啦，xml解析啦，用起来非常方便 3. 内部类型使用成本巨低，不需要额外怎么操作（java，c++用个map都很费劲） 4. 公司中，很大量的数据处理工作工作是不需要面对非常大的数据的 5. 巨大的数据不是语言所能解决的，需要处理数据的框架（hadoop， mpi。。。。）虽然小众，但是python还是有处理大数据的框 架的，或者一些框架也支持python 6. 编码问题处理起来太太太方便了
综上所述：
1. python可以处理大数据
2. python处理大数据不一定是最优的选择
3. python和其他语言（公司主推的方式）并行使用是非常不错的选择
4. 因为开发速度，你如果经常处理数据，而且喜欢linux终端，而且经常处理不大的数据（100m一下），最好还是学一下python。
以上是Python处理大数据时有哪些缺点 的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
