Python的优特点
简单易学：
Python语言相对于其他编程语言来说，属于比较容易学习的一门编程语言，它注重的是如何解决问题而不是编程语言的语法和结构。正是因为Python语言简单易学，所以，已经有越来越多的初学者选择Python语言作为编程的入门语言。
语法优美：
Python语言力求代码简洁、优美。在Python语言中，采用缩进来标识代码块，通过减少无用的大括号，去除语句末尾的分号等视觉杂讯，使得代码的可读性显著提高。阅读一段良好的Python程序就感觉像是在读英语一样，它使你能够专注于解决问题，而不用太纠结编程语言本身的语法。丰富强大的库：Python语言号称自带电池(Battery Included)，寓意是Python语言的类库非常的全面，包含了解决各种问题的类库。
Python语言的类库非常的全面:
无论实现什么功能，都有现成的类库可以使用。如果一个功能比较特殊，标准库没有提供相应的支持，那么，很大概率也会有相应的开源项目提供了类似的功能。合理使用Python的类库和开源项目，能够快速的实现功能，满足业务需求。
数值计算 NumPy
NumPy是 "Numeric "和 "Python "的混合物。顾名思义，它是一个处理数值计算的Python库。为了提高性能，NumPy参考了CPython(用C语言实现的Python及其解释器)的设计，而CPython本身是用C语言开发的，也就是说，Numpy的数据处理速度与C语言处于同一水平。
除了提供一些数学运算外，NumPy还提供了与MATLAB(MathWorks公司生产的商业数学软件)类似的函数和操作，允许用户直接有效地操作向量或矩阵。
然而，NumPy被定位为一个基本的数学库，是一个相对低级的Python库。如果你想快速开发可用的程序，你可以使用更高级的库，如：SciPy和Pandas。
科学计算 SciPy
SciPy的发音为 "Sigh Pie"，与NumPy相似，是 "Science "和 "Python "的组合。
"SciPy "建立在 "NumPy "之上，功能更加强大，为求解常微分方程、线性代数、信号处理、图像处理和稀疏矩阵运算提供强大的支持。
与NumPy相比，NumPy是一个纯粹的数学层面的计算模块，SciPy是一个更高级的科学计算库。例如，如果你想对矩阵进行操作，如果你只使用纯数学的基本模块，你可以在NumPy库中找到相应的模块。SciPy库需要NumPy库的支持。由于这种依赖性，NumPy库应该在SciPy库之前安装。
数据分析Pandas
Pandas在这里不是指 "熊猫"，它的全称是 "Python Data AnalysisLibrary"。顾名思义，Pandas是一个Python的数据分析库，也是建立在NumPy库之上的。
Pandas库提供了处理大型数据集所需的有效工具，并支持带轴的数据结构，这就避免了一些因数据不对齐和索引不同而导致的处理错误。对于数据预处理或数据清洗，Pandas提供了处理缺失值、转换、合并和其他类似SQL的功能。这些功能大大减轻了一线机器学习开发的负担。在某种程度上，Pandas是实现数据处理的好工具之一。
例如：按月数据分析用户每月花费的总金额 绘制曲线图展示
所有用户每月的产品购买量
所有用户每月的消费总次数
统计每月的消费人数
开发效率高：
Python的各个优点是相辅相成的。例如，Python语言因为有了丰富强大的类库，所以，Python的开发效率能够显著提高。相对于 C、C++ 和 Java等编译语言，Python开发者的效率提高了数倍。
例如：实现相同的功能，Python代码的文件往往只有 C、C++和Java代码的1/5~1/3。虽然Python语言拥有很多吸引人的特性，但是，各大互联网公司广泛使用Python语言，很大程度上是因为Python语言开发效率高这个特点。开发效率高的语言，能够更好的满足互联网快速迭代的需求，因此，Python语言在互联网公司使用非常广泛。
应用领域广泛：
Python语言的另一大优点就是应用领域广泛，工程师可以使用Python 做很多的事情。例如，Web开发、网络编程、自动化运维、Linux系统管理、数据分析、科学计算、人工智能、机器学习等等。Python语言介于脚本语言和系统语言之间，我们根据需要，既可以将它当做一门脚本语言来编写脚本，也可以将它当做一个系统语言来编写服务。不可忽视的缺点 毫无疑问，Python确实有用很多的优点，每一个优点看起来都非常吸引人。
