超2万名开发人员调查：会 Python 和不会 Python 的

该调查由 Python 软件基金会与 JetBrains 一起发起，有来自 150 多个国家的超过两万名开发人员参与。

从官方喜出望外的报告中，我们可以看到 Python 受到大部分人的欢迎，依旧是用户手中的香饽饽：

在 Python 的用途上，大家使用 Python 最常用的场景是数据分析，从涨幅来看也是最高的。相关的机器学习场景涨幅也有 7%。

这不禁引出一个问题：Python 作为编程语言在数据分析领域的地位似乎举足轻重，但明明有更亲民的Excel、Tableau、PowerBI 等软件，为什么数据分析师最终都会代码化？

作为一名Pythoner ，我想举几个小例子说明：

原因 1

鼠标操作流程手速太慢

即使是打游戏，手速也很大程度上来源于快捷键的使用。

数据分析也一样，代码能简化大量鼠标操作流程，用语言将过程“脚本化”，会帮助分析师减去不必要的操作时间，留出更多时间放在“分析过程”上。

举个例子，Excel 做分析的过程可能是：定位空值-删除空值-修改数据格式-去除异常值-公式计算-数据透视表-整理数据-插入图表-调整结果……

繁琐的每一步都是来自鼠标点击，中间错误了哪一步，很多步骤都需要重新调整，浪费大量时间。

图中演示的是使用 Excel 进行简单的描述统计分析过程，比较繁琐。

Python 靠的是代码编写每一步过程，统一语言带来记录方法的统一。当分析过程需要修改，只需要调整设定好的参数，效率当然嗖嗖的。

使用 Python 代码可以迅速调用数据，计算需求，并记录每一步过程，方便修改。

原因 2

Python 拥有强大的库

分析软件每开发出一个新功能需要大量投入。而 Python 作为编程语言，开发新工具相对容易，一个人开发一个库的例子比比皆是。并且 Python 的使用热度带来了大量的大神，Python 工具库可谓应有尽有，这也是 Python 有前文报告中众多用途的原因。

回到数据分析，以 Python 可视化必知基本库 matplotlib 为例，光是他的官方 gallery 就有 26 个大类 527 个样式，数量上就碾压了市面上大部分同功能软件。

matplotlib官网：https://matplotlib.org/tutorials/index.html

此外 Python 可视化类工具会有针对图表样式进行调整的代码，也可以交互，几行代码，省时省力，分分钟关机下班。

image

原因 3

代码辅助数学算法

小时候不爱数学，因为讨厌记繁琐的公式和进行步骤推算，一步算错，步步算错，而且我还无法理解为什么老师要求这么算。

但代码的出现拯救了我对数学的偏见。它能从特例的角度复现数学推理过程。通过计算机成千上万次的计算，让我更快理解算法的含义。

截图来自 3blue1brown 的微积分教学视频《微积分的本质》

为什么那么多人在学习Python？

原因在于python在编程上更高效、丰富和自由。

如果你想自己感受下使用代码做数据带来的高效，学习python爬虫，数据挖掘，数据分析，建议你现在就可以开始学习 Python。

，

如果一个人学习会有迷茫，动力不足，这里推荐一下我们的Python学习扣qun：784758214，这里是python学习者聚集地！！同时，自己是一名高级python开发工程师，从基础的python脚本到web开发、爬虫、django、数据挖掘等，零基础到项目实战的资料都有整理。送给每一位python的小伙伴！每日分享一些学习的方法和需要注意的小细节