很多人入门的童鞋会问：“我想学数据分析，应该选择什么来进行入门呢？”
对于这个问题，从业数据10多年的我，一般都直接建议入门的童鞋选用Python来作为数据分析入门的工具。为什么呢？
目前主流的非编程类平台主要有：stats、SPSS、SAS等，这些工具都已经把相应的分析模块固定在相应的界面，只需要操作鼠标，就可以进行干活了。
而编程类分析平台呢？
目前主要是：Python 和R语言，虽然matlab和SAS也经常需要使用编程来进行分析。但是Python个人觉得比较好，因为它们语言很简单，英文就可以直接读懂，其次它写代码自由性很高，可以自己组装自己的模块。
对于数据分析师而言，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 modeler进行数据挖掘，但如果会写代码，操作的自由度更高，发展的潜力更大。
- 使用Python的话，Python这个生态是很完善的，且开源的软件包也很多，可以通过调用不同的包来完成相应的数据分析工作。
- 使用Python的话，你的分析发展的方向更广、更大，也可以往机器学习和深度学习发展，慢慢成一个数据工程师或者一个数据科学家。
- 使用Python的话，能够将分析过程保存下来，可以追溯分析前前后后的过程，中间过程可追溯。
- 使用Python的话，可以将分析脚本完善，同步给开发，进行流程固化。
所以说，为什么要做一个会写代码的数据分析师，主要是行业的延展性及不断深入学习新技术，关键是能够赚更多的money。1、强逻辑、数理思维：非常有逻辑性的进行数据分析，例如加载数据>把数据进行处理转化>定位因变量和自变量等，具有非常强的数理思维。2、分析自由灵活：你可以分析过程和结果封装自己弄好的函数，以后分析需要的话，直接调用该函数就可以了，十分灵活。
3、码农化趋势：这个是未来的趋势，让自己的分析思路使用计算机进行实现出来，以后写代码来实现就好。对于Python这个语言，是在1989年圣诞节在阿姆斯特丹诞生的。它的设计哲学是：优雅、明确、简单。也就是坚持一种理念：“用一种方法，最好是只有一种方法来做一件事情。”Python提供了交互式编程的方式，在进行数据分析时候十分简单。3、提供大量的开源程序包：各种各样的高手开发大量的好用的包，生态环境比较完善，免费的。4、容错率高：有一行代码错了，直接修改那行就可以，不需要封装，直接运行就好了。
因为截止到今年（2020年），Python2就停止官方支持了，Python3进入全面发展的时代，所以建议数据分析入门者选择使用Python3版本来进行数据分析。------------------------------------------------------长按识别下方二维码，并关注公众号，回复“500”领取世界500强Excel经典图表模板1.回复“500”领取世界500强Excel经典图表模板2.回复“ML”领取超过1G的Python机器学习资料
