计算机专业不学Python的原因可能包括以下几点：
学习成本高：
Python的生态系统庞大而复杂，各种库和框架层出不穷，学习者需要不断跟进和学习新知识，以保持竞争力。这对于初学者来说无疑是一个巨大的挑战。
职业前景不确定：
虽然Python在数据分析、人工智能等领域有着广泛的应用，但这些领域对从业者的要求也越来越高。不仅需要掌握Python编程技能，还需要具备深厚的数学、统计学等专业知识。而且，随着技术的不断进步和新兴编程语言的涌现，Python在某些领域的地位可能会受到挑战。
可能忽视其他重要技能的培养：
编程不仅仅是学习一门语言，更重要的是培养逻辑思维、问题解决能力等综合素质。如果过于关注Python的学习，可能会忽视其他编程语言、数据结构、算法等重要内容的学习，从而影响个人在编程领域的全面发展。
语言性能差：
Python的执行速度相对较慢，尤其是在处理大规模数据时，常常需要依赖其他工具和语言进行补充，这无疑增加了学习的负担。
对多处理器支持不好：
Python的全局解释器锁（GIL）限制了多线程的扩展，虽然可以通过多进程或其他方式提高并发性能，但这仍然是Python的一个不足。
语法混乱：
Python 2与Python 3不兼容，导致学习者在选择学习版本时可能会感到困惑，这也给Python工程师带来了无数烦恼。
缺乏严格的类型约束：
Python是一种动态类型语言，变量的类型可以在运行时进行修改，这对于初学者来说可能会增加理解和调试的难度。
生态系统复杂度较高：
Python拥有众多的第三方库和框架，虽然这是它的优势，但对于初学者来说也是一种挑战。初学者可能会陷入选择困难，不知道从何开始学习和应用这些库和框架。
编译执行效率较低：
Python是一种解释型语言，相比于编译型语言，它的执行效率较低，可能导致程序的运行时间较长，影响学习和调试的效率。
尽管存在这些挑战，Python仍然是一门非常有用和流行的编程语言，尤其在大数据、AI、算法、爬虫、运维等领域。因此，是否学习Python应根据个人的职业目标和兴趣来决定。对于希望从事前端开发或大型系统后台开发的计算机专业学生，可能更倾向于学习Java。而对于希望从事数据分析、人工智能等领域的学生，Python则是一个重要的技能。