Scala(+Spark)的出现会取代Python在数据科学中的地位吗？ |python专业版多少钱

Python的优势：

1. Scikit-learn，一个Scala无法提供比之更好的机器学习库。
   

2. Python社区比Scala更大。
   

3. 学习资源更易获取，相比于Scala。
   

4. 几乎有所有深度学习框架的API。
   

5. 非常容易学习。
   

Scala的优势

1. Spark是用Scala写的。最好的Spark体验来自Scala的使用。
   

2. 强大的功能性语言。
   

3. 先进型系统。
   

4. Spark同样也有PythonAPI，你可以使用Python编写相当数量的功能性代码，这相对增加了Scala的优势。
   

Scala+Spark是需要大量计算机的分批数据管道的最佳选择。例如，在EuclidAnalytics中，大家使用Spark每天处理大约100gb的传感器数据，并将其总结为可操作的指标。有几件事情使Scala/Spark非常棒：

1. Spark是迄今为止在多台机器上运行分析工作的最简单和最佳支持的选项。
   

2. 功能语言对于数据管道来说非常适合，因为管道本质上是数据集上的一个大功能（由几个较小的函数组成）。
   

3. 静态类型使得在运行代码之前更容易避免错误，当你的工作需要几个小时才能执行时，这很重要。
   

但这是一个非常具体的利基，90％的公司不应该使用它。Python、R和SQL对于大多数公司的工作类型来说仍然要好一些，其中包括探索性分析，统计学和机器学习。相比之下，Scala/Spark在所有这些方面都相当薄弱：Scala在生产工作方面表现优异，但对于临时工作，它依然是一个相当差的工具。