超2萬名開發人員調查：會 Python 和不會 Python 的區別
該調查由 Python 軟體基金會與 JetBrains 一起發起，有來自 150 多個國家的超過兩萬名開發人員參與。
從官方喜出望外的報告中，我們可以看到 Python 受到大部分人的歡迎，依舊是使用者手中的香餑餑：
在 Python 的用途上，大家使用 Python 最常用的場景是資料分析 ， 從漲幅來看也是最高的。相關的機器學習場景漲幅也有 7%。
這不禁引出一個問題：Python 作為程式語言在資料分析領域的地位似乎舉足輕重，但明明有更親民的Excel、Tableau、PowerBI 等軟體， 為什麼資料分析師最終都會程式碼化？
作為一名Pythoner ，我想舉幾個小例子說明：
原因 1
滑鼠操作流程手速太慢
即使是打遊戲，手速也很大程度上來源於快捷鍵的使用。
資料分析也一樣，程式碼能簡化大量滑鼠操作流程， 用語言將過程“指令碼化” ，會幫助分析師減去不必要的操作時間，留出更多時間放在“分析過程”上。
舉個例子，Excel 做分析的過程可能是：定位空值-刪除空值-修改資料格式-去除異常值-公式計算-資料透視表-整理資料-插入圖表-調整結果……
繁瑣的每一步都是來自滑鼠點選，中間錯誤了哪一步，很多步驟都需要重新調整，浪費大量時間。
圖中演示的是使用 Excel 進行簡單的描述統計分析過程，比較繁瑣。
Python 靠的是程式碼編寫每一步過程，統一語言帶來記錄方法的統一。當分析過程需要修改，只需要調整設定好的引數，效率當然嗖嗖的。
使用 Python 程式碼可以迅速呼叫資料，計算需求，並記錄每一步過程，方便修改。
原因 2
Python 擁有強大的庫
分析軟體每開發出一個新功能需要大量投入。而 Python 作為程式語言，開發新工具相對容易，一個人開發一個庫的例子比比皆是。並且 Python 的使用熱度帶來了大量的大神，Python 工具庫可謂應有盡有，這也是 Python 有前文報告中眾多用途的原因。
回到資料分析，以 Python 視覺化必知基本庫 matplotlib 為例，光是他的官方 gallery 就有 26 個大類 527 個樣式，數量上就碾壓了市面上大部分同功能軟體。
matplotlib官網： https://matplotlib.org/tutorials/index.html
此外 Python 視覺化類工具會有針對圖表樣式進行調整的程式碼，也可以互動，幾行程式碼，省時省力，分分鐘關機下班。
image
原因 3
程式碼輔助數學演算法
小時候不愛數學，因為討厭記繁瑣的公式和進行步驟推算，一步算錯，步步算錯，而且我還無法理解為什麼老師要求這麼算。
但程式碼的出現拯救了我對數學的偏見。它能從特例的角度復現數學推理過程。通過計算機成千上萬次的計算，讓我更快理解演算法的含義。
截圖來自 3blue1brown 的微積分教學視訊《微積分的本質》
為什麼那麼多人在學習Python？
原因在於python在程式設計上更高效、豐富和自由。
如果你想自己感受下使用程式碼做資料帶來的高效，學習python爬蟲，資料探勘，資料分析，建議你現在就可以開始學習 Python。
，
如果一個人學習會有迷茫，動力不足，這裡推薦一下我們的Python學習扣qun：784758214，這裡是python學習者聚集地！！同時，自己是一名高階python開發工程師，從基礎的python指令碼到web開發、爬蟲、django、資料探勘等，零基礎到專案實戰的資料都有整理。送給每一位python的小夥伴！每日分享一些學習的方法和需要注意的小細節
