对于数据分析师从业者而言，经常需要从事：数据库操作、报告撰写、数据可视化、数据挖掘的工作。这些工作不写代码也可以操作，利用 Excel 进行数据可视化、使用 SPSS 等一些亲民类平台工具进行数据挖掘，在《数据分析是什么?》中我们介绍了使用平台工具虽然可造作性强，但是不可避免的会存在重复机械的劳动，从而降低自己的工作效率，但如果你会用 Python 编写代码，操作的自由度更高，发展的潜力更大。

　　1) Python强大的第三方库

　　Python 语言拥有简洁易读的特性，它是个生态完善且开源软件包很多的高级动态编程语言。在数据分析过程中，可以通过调用不同的包来完成相应的工作，比如上述介绍的 Numpy、SciPy 和 Matplotlib以及 pandas，这些模块分别承担着数据分析工作不同的任务。就拿 Numpy 来说吧，Numpy (Numerical Python)的简称，是 Python 科学计算的基础包。功能主要如下：

　　快速高效的多维数组对象 ndarray。

　　线性代数运算、傅里叶变换，以及随机数生成。

　　用于将 C、C++、Fortran(公式翻译语言)代码集成到 Python 的工具。

　　用于对数组执行元素级计算以及直接对数组执行数学运算的函数。

　　Numpy 除了为 Python 提供快速的数组处理能力，它的另外一个主要作用是作为在算法之间传递数据的容器。对于数值型数据，NumPy 数组在存储和处理数据时要比内置的 Python 数据结构高效得多，在后续章节中我们对 Numpy 进行详细介绍。

　　2) 分析过程可控复用性强

　　当我们使用 Python 做数据分析时，可以将分析的过程保存下来，从而实现对分析过程的追溯，最后当一个数据分析的任务完成后，我们可以代码以脚本的形式保存下来，以实现后续复用的目的，从而提升你的工作效率。

　　3) Python语言功能完善

　　Python 不仅在数据分析方面有很突出的表现能力，还在网络爬虫、Web 站点开发、游戏开发、自动化运维等众多领域都有很广泛的应用。这对于软件公司来说无疑是一件锦上添花的事情，让使用一种语言完成全部服务成为可能。

　　我们可以用 Python 的爬虫框架 Scrapy 来爬取数据，然后交给 pandas 做数据清洗处理，最后使用Python 的 Django 框架搭建 Web 站点将结果展示出来，你会发现在这一过程中，我们仅靠 Python 语言的框架实现了全部需求。所有的开发人员使用同一种编程工具将会给企业带来非常显著的效益。

　　4) Python作为胶水语言

　　Python 是一种“胶水语言”，顾名思义就是“粘合”的意思 ，Python 在设计初期就面向科研人员，以降低编程难度，提高编程效率为目的。Python 之所以在科学计算领域能够功成名就，这和它能够轻松地集成 C、C++以及 Fortran 代码有不可分割原因。大部分现代计算环境都利用了 Fortran 和 C库来实现线性代数、积分、傅里叶变换等诸多算法。

　　5) Python与AI紧密相连

　　你可能感觉 人工智能是很神秘的事物，其实它离一个数据分析师并不遥远。现在大部分深度学习框架都优先选择支持 Python 语言，比如当下火热的谷歌深度学习框架Tensorflow，它虽然是C++编写的，但对 Python 语言支持是最好。

　　Tensorflow 的数据类型与 numpy 的数据类型是等价的，这是因为 Tensorflow 在设计的时候就是参考了 numpy 的数据类型，目的就是使其成为 Python 科学计算系列库的重要部分。所以使用 Python 做数据分析，对于和 AI 人工智能接轨有很好的帮助。这无疑将拓宽你的视野与道路，增加自身的软实力。