对比传统的一些数据分析软件，用 Python 做数据分析有这样几个明显的特点：
- 相比 Excel，Python 能够处理更大的数据集；能够更容易的实现自动化分析；能够比较容易的建立复杂的机器学习模型；
- 相比 SPSS，SPSS 是个统计软件，只适合在科学研究领域做实验数据的分析，并不适合做偏向实际应用场景的数据的分析；而 Python 能够处理复杂的数据逻辑，适合这些场景；
- 相比 R 语言，Python 的机器学习库只有一个—sklearn，所有的机器学习方法都集中在这一个库中，而 R 语言，我不清楚它到底有多少个用来做机器学习的库，R 语言中的机器学习方法是如此的分散，以至于很难掌握。而且 Python 的使用人数在不断上升，有一些曾经只使用 R 的人在转向 Python，我自己开始学的也是 R，最后也学了 Python。投入到一个呈现上升趋势的技术中，未来才会更加宽广。
- 相比上述的几个工具，Python 在做机器学习，网络爬虫，大数据分析时更加的得心应手。
得益于 Python 丰富的第三方库，Python 在数据分析方面，能够处理的问题非常之广，从 Excel 比较擅长的公式计算，数据透视分析，到 MATLAB 比较擅长的科学计算，再到 R 语言中那些零散的机器学习库所能做的事情，Python 都能优雅从容的面对。而这些工具不擅长的网络爬虫，大数据分析（结合 spark)，Python 更是能够出色的完成。Python 的数据科学生态包括 Web 开发，数据分析，机器学习，统计分析，科学计算，和分布式系统（大数据分析）方面的组件，相当完善。