我常常會聽到這樣的問題，「金融分析中，為什麼我要學習像python這樣的程式語言，甚至使用它超過excel呢？」
在金融領域，python成為炙手可熱的分析工具，這幾乎已經成為共識。面對excel和python，誰更適合數據分析，也確實一直被大家討論。
excel VS python
excel不用多做介紹，辦公必備的表格工具。關於python，這裡簡單說一下其背景：
python是一門開源的高級程式語言，擁有強大的社區支持和開發團隊。這意味著在各個領域，python都有著豐富的第三方工具庫，而且一直不斷更新改進。
另一方面，python作為膠水語言，有著簡潔、易讀、流暢、易維護、模塊化的優良特性，並且輕鬆與其它程式語言及軟體集成。
為什麼python更適合用於數據分析？有以下幾點理由：
1、分析過程可復現
使用python做數據分析，分析代碼可以保存為腳本，有利於不斷優化代碼版本，並且讓改進流程更加清晰。
在不改變數據源的情況下，代碼輸出的結果一致，不會隨著時間和人員的變化而出現不同的分析結果，可復現性強。
2、更高的效率和擴展性
確實，excel被大多數人用於數據分析，但是面對大數據集和複雜運算，excel會把人急瘋。
python在I/O、複雜計算、數據管道、自動化處理等方面更加快速，而且處理大數據的效率遠高於excel。在性能優化方面，python也有更多操作的空間。
3、機器學習
使用python做數據分析的最重要原因之一在於機器學習，python擁有豐富且強大的機器學習、深度學習庫。
不光是金融，目前各領域越來越需要機器學習，從業者使用python可以方便地創建機器學習模型，深入挖掘數據中的價值。
比如說，使用自然語言處理可以對媒體網絡留言評論進行文字情緒分析，從而判斷客戶需求和市場規則。
4、集成性
前面說過，python是一門膠水語言，可以與很多程式語言及應用集成。
比方說，python可以連接各種資料庫，通過寫入sql語句，對資料庫數據進行提取、寫入、更改的操作。
python還可以連接應用程式API，編寫自動化腳本操作應用程式，如excel這樣的軟體，python有眾多的庫進行連接，十分高效。
在數據探索的過程中，python提供pandas這樣的數據分析工具，幫助你更清晰快速地進行探索分析，並且有大量的可視化庫來做可視化展示。
你可以輕鬆的讀存xlsx、csv等數據格式文件，讓數據操作靈活高效。
總結
python作為快速發展的數據分析工具，是未來金融從業者不得不掌握的技能之一，它的語法對初學者來說非常平易近人，只要花時間就能輕鬆掌握。
python與excel相輔相成，優劣互補，都有著非常傑出的數據分析能力。如果你已經在用excel，何不考慮下python呢?
翻譯：朱衛軍作者：Wayne Fong來源：https://xccelerate.co/blog/excel-vs-python-for-data-analysis