【IT168 评论】一直以来，Python和R语言都被认为是数据科学专属的两种语言，事实上它们并不是唯一可以用于数据科学的语言，Java同样可以用户数据科学。本文中，Aaron Lazar将列出10大理由，为什么Java在数据科学领域仍然是伟大的语言?

　　姜是老的辣： Java是企业发展中最古老的语言之一，大部分企业都拥有很多基于Java的基础架构，如果贸然选择R或Python，那么很多Java模型都需要重写。

　　一等公民： Spark，Flink，Hive，Spark和Hadoop等大多数流行的大数据框架/工具都是用Java编写的。找到一个适合使用Hadoop和Hive的Java开发人员相对更加容易。

　　伟大的工具集： Java拥有大量用于机器学习和数据科学的库和工具。其中包括Weka，Java-ML，MLlib和Deeplearning4j等用于解决大部分ML或数据科学问题的工具和库。

　　Lambdas和REPL：Java 8中 Lambdas纠正了Java的大部分冗长，从而使开发大型企业/数据科学项目变得不那么痛苦。另一方面，Java 9带来了REPL，便于迭代开发。

　　Java Virtual Machine： JVM是最好的平台之一，支持开发者在多个平台上编写相同的代码。JVM允许开发人员快速创建自定义工具。而且，Java有许多IDE可以提高开发人员的工作效率。

　　Java是强类型的：不要和静态类型混淆，强类型有助于处理大型数据应用程序，类型安全是一个值得拥有的特性。Java确保程序员明确他们处理的数据和变量的类型。它使维护代码库变得更容易，并且可以安全地避免为应用程序编写简单的单元测试。

　　JVM拥有Scala：虽然这是下一步的工作，但是如果你已经掌握了如何用Java编写代码，那么学习Scala将更加容易。Scala为数据科学提供了惊人的支持，而像Spark这样强大的框架也构建在Scala之上。

　　作业场景：如果抛弃SQL不谈，那么Java在工作空间中是明显的赢家。如果您将Java作为您的技能之一，那么获得工作的可能性更大。

　　可扩展性：在扩展应用程序方面，Java非常出色。当您考虑构建更大，更复杂的ML / AI应用程序时，这是一个很好的选择。如果您开始从底层开始构建应用程序，那么选择Java作为编程语言同样是很好的选择。

　　Java是快速的：与其他一些广泛使用的数据科学语言不同，Java是快速的。速度对于构建大规模应用程序至关重要，而Java刚好符合这一点。。像Twitter，Facebook和LinkedIn这样的跨国公司都是依靠Java进行数据工程。

　　如果你是数据科学家，机器学习或深度学习工程师，请不要放弃Java，在数据科学领域Java同样是王者。