首先我们要知道大数据的数据从哪里来？一般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，著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。

数据的处理最为优秀！Python的数据处理算法，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，数据科学百花齐放。那些“高大上”的数据科学家们都用什么编程？

如果单单实在理论研究领域，或许R语言才是最受数据科学家欢迎的，可R语言的问题也很明显，原因是创建R语言的是统计学家，跟其他语言相比语法略微怪异。况且R语言要想实现大规模分布式系统，需要做很大的工程才能完成。所以大，部分公司在使用R语言做完实验原型、算法确定之后，会再将其翻译为工程语言，与之相比Python成为了数据科学家最喜欢的语言之一。

原因是与R语言不同，Python自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。

以上便是小编对“大数据为什么要用Python？其优点在哪？”的大致介绍，希望能有所帮助！