看两个Spark平台下的Python小程序：Shell编程和Python编程有一个共同的特点就是比较简单，对于初学者来说比较容易上手，当然Python也可以编写出非常复杂的程序。大数据应用开发、大数据分析（含呈现）则需要学习Python编程，目前这两个领域的人才需求比较多，尤其是大数据分析岗位。
在学习shell，要不要转python编程呢？这两个专业的前景怎么样？
提到Shell一定会想到系统运维，通常做Linux系统运维的工程师对Shell编程是比较熟悉的，可以说Shell是使用Linux的一种方式。运维工程师通过编写Shell脚本来进行一些自动化运维的设置，其实除了Shell，Python也是编写自动化运维的一种常见方式。相对于Shell来说，Python能做的事情就丰富多了，Python可以做Web开发、服务后台开发、大数据开发（应用开发和数据分析）、人工智能开发（机器学习、自然语言处理）等，所以相对于Shell来说，Python应用领域更加广泛。
看两个Spark平台下的Python小程序：Shell编程和Python编程有一个共同的特点就是比较简单，对于初学者来说比较容易上手，当然Python也可以编写出非常复杂的程序。二者的发展方向则有较大的区别，如果做系统运维的话，学习Python并没有强制性的要求，但是如果未来要做软件开发的话，学习Python就变得很有必要了，尤其是做大数据相关开发。
目前大数据运维也是岗位需求比较大的领域，大数据运维的工作内容往往集中在计算机网络管理、Linux操作系统、大数据平台搭建、组件部署、系统维护、系统管控等方面，大数据运维是大数据平台运行不可或缺的岗位之一，从发展前景来看也是不错的。大数据应用开发、大数据分析（含呈现）则需要学习Python编程，目前这两个领域的人才需求比较多，尤其是大数据分析岗位。
由于Python有丰富的库支持，所以使用Python做数据分析（算法实现）是比较常见的做法，与Java对比来看，使用Python会明显缩短开发时间，在功能调整方面，Python也具有明显的优势。从发展前景来看，Python开发还是非常值得期待的。看一个Python采用Matplotlib库和Numpy库的小例子：至于如何选择，一方面取决于自身的知识结构，另一方面取决于自己的兴趣。
