image
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:
image
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%.
image
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?
Python 直播学习群: 556370268, 这里有资源共享, 技术解答, 还有小编从最基础的 Python 资料到项目实战的学习资料都有整理, 希望能帮助你更好的学习 python.
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.
image
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.
image
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.
image
image
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.
image
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.
image
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
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.
image
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.
image
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.
Python 直播学习群: 556370268, 这里有资源共享, 技术解答, 还有小编从最基础的 Python 资料到项目实战的学习资料都有整理, 希望能帮助你更好的学习 python.
来源: http://www.jianshu.com/p/34be9bfe0c93