對於這個問題，我們首先要了解，用Python做數據分析，它有什麼特別的地方，它適合解決什麼問題。
對比我們傳統的一些數據分析軟件，用Python做數據分析有這樣幾個明顯的特點：
① 相比Excel，Python能夠處理更大的數據集；能夠更容易的實現自動化分析；能夠比較容易的建立複雜的機器學習模型；
② 相比spss，spss是個統計軟件，只適合在科學研究領域做實驗數據的分析，並不適合做偏向實際應用場景的數據的分析；而Python能夠處理複雜的數據邏輯，適合這些場景；
③ 相比R語言，Python的機器學習庫只有一個—sklearn，所有的機器學習方法都集中在這一個庫中，而R語言，我不清楚它到底有多少個用來做機器學習的庫，R語言中的機器學習方法是如此的分散，以至於很難掌握。而且Python的使用人數在不斷上升，有一些曾經只使用R的人在轉向Python，我自己開始學的也是R，最後也學了Python。投入到一個呈現上升趨勢的技術中，未來才會更加寬廣。
④ 相比上述的幾個工具，Python在做機器學習，網絡爬蟲，大數據分析時更加的得心應手。
得益於Python豐富的第三方庫，Python在數據分析方面，能夠處理的問題非常之廣，從Excel比較擅長的公式計算，數據透視分析，到MATLAB比較擅長的科學計算，再到R語言中那些零散的機器學習庫所能做的事情，Python都能優雅從容的面對。而這些工具不擅長的網絡爬蟲，大數據分析(結合spark)，Python更是能夠出色的完成。下面這張圖展示的是Python的數據科學生態。這張圖展示了Python在web開發，數據分析，機器學習，統計分析，科學計算，和分佈式系統(大數據分析)方面的組件。可見是相當完善。
瞭解完Python的特點和它能夠做的事情之後，就要來探討一下，對於你自己，是否要投入時間，金錢來學習Python。因為Python變得越來越流行，我相信未來Python在數據分析，科學研究中將會扮演越來越重要的角色，現在不是初高中就在教Python了嗎！以後很多工具，程序可能也會使用Python來開發，懂Python編程對於未來肯定是有好處的。在做決定學還是不學的時候，除非你有非常清晰的思路，覺得自己不值得去學習，否則的話，對於這樣一種明顯是趨勢的技術，最好還是抽點時間瞭解一下比較好。原本我打算給出一個排除選項，比如滿足什麼什麼條件的人可以不用去學Python，但是感覺這樣不是很妥當，因為我實在想不出哪種數據分析工作者/科研工作者，可以放心大膽的不瞭解，不學習Python，而順利度過接下來幾十年的職業生涯。
以上是我作為一個數據分析從業者，對Python技術生態的分析。說了這麼多，肯定是會夾點私貨的。我要推薦我自己的一個Python免費入門課程，和一個付費進階課程給大家。對Python感興趣的Python小白可以看如下的Python免費課程：
如果需要進一步學習，可以購買如下的付費進階課程：
學習Python做數據分析，只用學習這一個課程就夠了，《Python數據分析實戰》將會包括Python編程基礎，數據分析，網絡爬蟲，可視化分析，機器學習，大數據分析這6大知識模塊。學完這個課程後，你不需要再花錢購買其它Python課程了，這個課程教會你全部的Python數據分析技能。該課程前100套將以299的優惠價格放出。賣出100套後，價格將調高。需要的同學抓緊囤貨哈，課程購買後，永久有效，無限次觀看，不用擔心過期。
如需瞭解松鼠學堂的其它課程，可點擊閱讀原文。
閱讀更多 數據分析與可視化 的文章
