做数据分析，你终究还是要学 Python

最近英国漏报将近16000个新冠病例成为了热门新闻，原因更是让人大跌眼镜，竟然是 Excel 超出最大值，抛开英国抗疫的整体的不力不说，作为一个数据人我们倒是可以思考下如何来解决大数据分析的问题。

众所周知，Excel 在数据分析、数据探索领域的地位是一骑绝尘，是所有数据人必须掌握的一门恰饭技能。但是遇到上边英国的问题有没有解法，到底怎么解决，作为专业的数据做作业者，这些问题可能是家常便饭，一个小小Excel实在是驱动不了动辄上百万的数据，更不能任由你随心所欲对数据施加魔法。

回头看看英国疫情上报的问题，可用以下几行代码解决：

import pandas as pd

# 读取截止昨日的总数据
df = pd.read_csv('UK-covid19-截止20201011.csv')
# 填写好今日的数据，并读取
df_today = pd.read_excel('UK-covid19-20201012.xlsx')
# 将今日数据追加到总数据
df.append(df_today)
# 导出文件，上报
df.to_csv('UK-covid19-截止20201012.csv')

需要注意的是Excel 有最大值限制，就不能用 Excel了，可以使用 CSV，当然，在收集数据时由于单日数据量相对较少，依然可以使用 Excel。

是不是很简单，每个单词都这认识，甚至这些代码表达操作的套路也是那么清晰，聪明的朋友会发现，在这个例子中，我们使用了 Python。

可以说，Python 近些年火起来和大数据的发展不无关系，这里我们不讨论它在整个数据行业甚至信息产业中起到的作用，就说说为什么数据分析离不开它，为什么数据人终究还是要掌握它。

职业必备

不知道大家在看求职过程中是否有注意到，JD 经常会要求有数据分析能力、掌握脚本语言，甚至会直接要求会使用 Python，而对数据分析师来说这些都是必须的。

Python 现在已经慢慢成为了一个职场上必备的技能，不光是可能用它来做复杂的数据处理、数据分析、自动化办公等，掌握它会被认为有超强的逻辑思考能力，会让竞争力直线加强。

说到数据分析师、数据产品经理，由于整个行业的逐渐成熟，分析方法理论的发展，对数据的分析操作会越来越复杂，传统工具的支持已经达到瓶颈，这就要求他们必要掌握编程语言。因此，从职业的发展方面来说，学习 Python 已经到了一个不得不掌握的程度。

分析数据分析师掌握的两个其他典型工具 SQL 和 Excel，其实都不是专业的数据分析工具。

SQL是针对数据库操作的低代码模式，它甚至不能称之为一种语言，对分析来说，它的核心用途是把数据按照一定的规则筛选提取出来，虽然各大数据库为 SQL 添加统计性的函数，但也是只是锦上添花。

Excel 提供了一个格式化数据存储形式，大多数场景在于对数据的整理、展示方面，它没严格约束的数据类型，虽有丰富而强大函数库，但在数据分析方面也仅是业务选手中的强者。其他三方的数据分析工具也只是让数据操作简化、傻瓜化，适合数据使用者做一些简单的数据探索和展示。因此，数据分析师来说，必须掌握编程语言，才能肆意挥洒你的数据创意。

简单易学

我们知道，编程语言有很多种，Java 是各大互联网公司的支撑系统的开发语言，大数据业务的开发也主要由它在承担，C 语言更偏向底层，一般做一些底层的高性能服务，Ruby、Go 等小众语言又在各自领域大放光彩。

Python 语言的大火与它的简单语法，简单的操作，简单的编程思想有密切的关系，在一项针对掌握多门编程语言的开发者调整中，Python 毫无争议的位居最简单易学之榜首。

Python 从设计之初就注重易于编写、易于阅读，经过多年的发展，吸收了其他语言的一些优秀，融为一体，也能帮助我们理解和学习其他语言。Python 是最适合的编程入门语言，近年来经常会有新闻报道各地的大学甚至小学开设 Python 编程课程。

通用

Python 除了数据分析，它还是一个多面手，可以开发爬虫，做网站，开发游戏，图形图像处理，自动化运维，人工智能等多个领域都有很广泛的应用，这就使 Python 成为一个全能选手，我们可以使用一个技术解决遇到的所有问题，是一个高性价比的语言。

生态

在数据分析领域，Python 集齐了数据数据采集、数据处理、科学计算、数据可视化，数据建模，机器学习等无死角的能力，这些能力由广泛的开发者社区参加，全球顶尖的开发人员为你打造轮子。Python 生态中提供的工具涵盖了数据科学届前沿的学术成果，可以第一时间方便地应用到数据分析实践当中。

在学习方面，目前也是资料最多最全面的语言，在遇到问题时，有专业的网站可以进行问答互动求助。

这些方面的发展，形成了一个良性循环，让 Python 在数据分析领域所向披靡。

python 对 Excel 优势

• Excel 算法不容易实现，有些无法实现
• Excel 不能处理过大数据，如 500 万
• Excel文本的处理能力几乎很差，如分词，提炼词性，word to vector
• Excel 重复工作能力差
• 数据挖掘、机器学习、神经网络、深度学习 Excel 无法操作
• ...

（完）

相关内容

• Python 相关话题 Nov. 12, 2021, 9:24 a.m.

更新时间：Nov. 12, 2021, 9:26 a.m. 标签：python 数据分析