需要澄清两点之后才可以比较全面的看这个问题：

　　1. 百万行级不算大数据量，以目前的互联网应用来看，大数据量的起点是10亿条以上。

　　2. 处理的具体含义，如果是数据载入和分发，用python是很高效的；如果是求一些常用的统计量和求一些基本算法的结果，python也有现成的高效的库，C实现的和并行化的；如果是纯粹自己写的算法，没有任何其他可借鉴的，什么库也用不上，用纯python写是自讨苦吃。

　　python的优势不在于运行效率，而在于开发效率和高可维护性。针对特定的问题挑选合适的工具，本身也是一项技术能力。

　　其次，这也要看具体的应用场景，从本质上来说，我们把问题分解为两个方面：

　　1、CPU密集型操作

　　即我们要计算的大数据，大部分时间都在做一些数据计算，比如求逆矩阵、向量相似度、在内存中分词等等，这种情况对语言的高效性非常依赖，Python做此类工作的时候必然性能低下。

　　2、IO密集型操作

　　假如大数据涉及到频繁的IO操作，比如从数据流中每次读取一行，然后不做什么复杂的计算，频繁的输入输出到文件系统，由于这些操作都是调用的操作系统接口，所以用什么语言已经不在重要了。

　　用Python来做整个流程的框架，然后核心的CPU密集操作部分调用C函数，这样开发效率和性能都不错，因此学习Python已经是想从事大数据事业不可或缺的一门技能，6163银河.net163.am教育原创开发的Python课程不仅涵盖Web前后端开发和网络爬虫技术，还包括独有的数据分析和机器学习，前端、服务端一网打尽。可从事Web前端、Web服务端、服务器运维、网络爬虫、大数据分析、机器学习等多种热门职业，百分百高薪就业!