超2万名开发人员调查:会 Python 和不会 Python 的区别

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。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券