python做數據分析相對于傳統數據分析究竟強在哪？

傳統的數據分析一般指通過Excel、SPSS或者SAS等工具，基于傳統的統計分析方法，對數據進行分析。

相比Excel，Python能夠處理更大的數據集，還能夠建立復雜的機器學習模型。總結一下，用Python進行數據分析相對于傳統數據分析有以下三點優勢：

豐富的數據分析擴展包

Python有豐富的用于數據分析的第三方庫，例如Numpy、Pandas、Matplotlib、PyMySQL等。

Numpy：開源的數值計算框架，能夠處理向量、矩陣等各種問題，相當于一個迷你MATLAB，小巧而且免費！

Pandas：基于Numpy構建，為時間序列分析提供了很好的支持，對于數據的預處理、連接外部數據文件等有強大的支持，借助于Pandas，Python可以很方便地連接外部數據源，例如csv、xlsx、json等文件。

Matplotlib：一個優秀的數據可視化庫，能夠繪制常用的數據分析圖表，還能夠繪制三維圖形。

PyMySQL：可以讓Python很方便地連接MySQL數據庫，對數據庫中的數據進行分析。

簡單來說，Excel能做到的Python都能做到，但是Excel不能進行強大的編程及復雜的分析。但要說明的是，有些情況下，Python雖然能做到，但是不如Excel方便。

強大的機器學習算法庫

很多數據分析問題，光憑傳統的統計分析方法已經無法解決，還需要借助于更強大的機器學習算法，而Python中的scikit-learn幾乎能夠實現所有的機器學習算法，調用起來非常方便。

監督學習算法：線性回歸，分類算法如K近鄰算法、決策樹、邏輯回歸、SVM及集成學習方法。

無監督學習算法：聚類分析、關聯分析。

大數據平臺下的分析

隨著數據量的日益增多，很多公司采用大數據技術來處理數據，如Hadoop、Spark等。

Python結合Spark，能夠在大數據平臺下進行海量數據的分析與挖掘。

最后，也是最重要的，Python是免費的，絕大多數數據分析工具都是收費的，而且價格不低。

綜上，Python在數據科學領域很受歡迎！