a） 没有
b） 没有
实际上，你想做的是跳转到scala，如果你想做任何核心的ml，那么你还想忘记使用hadoop和跳转到spark。hadoop是一个mapreduce框架，但是ml算法不一定Map到这个数据流结构，因为它们通常是迭代的。这意味着许多ml算法将导致大量的mapreduce阶段—每个阶段都有读写磁盘的巨大开销。
spark是一个内存分布式框架，它允许数据以数量级的速度留在内存中。
现在scala是世界上最好的语言，特别是对于大数据和ml来说，它不是动态类型化的，但是有类型推断和隐式转换，而且它比java和python更简洁。这意味着您可以在scala中非常快速地编写代码，但是，该代码是可读和可维护的。
最后，scala是函数式的，并且自然地适合于数学和并行化。这就是为什么所有针对大数据和ml的前沿工作都是在scala中完成的；e、 g.烫伤、刮痧、扭伤和Spark。简陋的python&r代码将成为过去。

我不知道有哪个库可以在python中用于hadoop上的机器学习，但是一个简单的解决方案是使用 jpype 模块，它基本上允许您从python代码中与java交互。
例如，您可以这样启动jvm：

from jpype import *

jvm = None

def start_jpype():
    global jvm
    if (jvm is None):
        cpopt="-Djava.class.path={cp}".format(cp=classpath)
        startJVM(jvmlib,"-ea",cpopt)
        jvm="started"

这里有一个关于这个主题的非常好的教程，它解释了如何使用mahout从python代码中使用kmeans集群。

回答问题：
据我所知，python拥有大量的机器学习和map-reduce模块，但没有ml+mr
我想说是的，因为你是一个沉重的程序员，你应该能够赶上java相当快，如果你不涉及那些讨厌的（抱歉没有冒犯）j2ee框架

这篇博文对使用hadoop的python框架进行了相当全面的回顾：
http://blog.cloudera.com/blog/2013/01/a-guide-to-python-frameworks-for-hadoop/
包括：
hadoop流媒体
mrjob先生
小飞象
哈多比
侏儒
这个例子提供了一个使用python和hadoop的并行化ml的工作示例：
http://atbrox.com/2010/02/08/parallel-machine-learning-for-hadoopmapreduce-a-python-example/

当您使用emr时，我建议您使用java。
首先，也是简单的，这是它的设计工作方式。如果你打算在windows下玩，你就用c#写，如果你用apache做web服务，你就用php。在emr中运行mapreduce hadoop时，使用java。
第二，所有的工具都在java中，比如awsdk。在netbeans、cygwin（在windows上）和s3cmd（在cygwin中）的帮助下，我定期在emr中快速开发mapreduce作业。我使用netbeans构建mr jar，并使用cygwin+s3cmd将其复制到要运行的s3目录beemr。然后，我还使用awssdk编写了一个程序，用我的配置启动emr集群并运行jar。
第三，有许多针对java的hadoop调试工具（通常需要mac或linux操作系统才能工作）
请参见这里，了解如何使用maven for hadoop创建一个新的netbeans项目。