大数据开发中，Python的使用取决于具体的项目需求以及开发者的技能。以下是几点关于为什么大数据开发中可能不使用Python的原因：
岗位任务需求
大数据开发岗位的研发人员，如果他们的任务主要不是使用Python，那么他们可能不会优先学习Python。
技术栈的匹配度
在某些情况下，Java和Scala可能更适合完成大数据处理任务，因为它们与大数据生态系统（如Hadoop和Spark）的集成更紧密。
如果一个项目主要使用Java解决，那么Python可能只用于剩下的20%的技术栈，这可能导致开发者不愿意投入时间去学习Python。
第三方库的丰富程度
虽然Python拥有丰富的第三方库，但在某些大数据处理场景中，Java或Scala的生态系统可能更为成熟和全面。
开发效率和表达能力
Python以其简洁和强大的表达能力而著称，适合快速开发和原型设计。然而，在大数据开发中，效率和生态系统可能更为关键。
行业习惯和背景
国内IT行业的高管和资深开发者往往有Java或C/C++的背景，这可能影响团队在大数据开发中首选的语言。
尽管如此，Python在大数据开发中仍然是一个非常有价值的工具，特别是在数据科学、机器学习、数据分析和可视化等方面。随着技术的发展，Python在大数据领域的应用也在逐渐增加。