传统的数据分析一般指通过Excel、SPSS或者SAS等工具，基于传统的统计分析方法，对数据进行分析。
相比Excel，Python能够处理更大的数据集，还能够建立复杂的机器学习模型。总结一下，用Python进行数据分析相对于传统数据分析有以下三点优势：
丰富的数据分析扩展包Python有丰富的用于数据分析的第三方库，例如Numpy、Pandas、Matplotlib、PyMySQL等。
Numpy：开源的数值计算框架，能够处理向量、矩阵等各种问题，相当于一个迷你MATLAB，小巧而且免费！
Pandas：基于Numpy构建，为时间序列分析提供了很好的支持，对于数据的预处理、连接外部数据文件等有强大的支持，借助于Pandas，Python可以很方便地连接外部数据源，例如csv、xlsx、json等文件。
Matplotlib：一个优秀的数据可视化库，能够绘制常用的数据分析图表，还能够绘制三维图形。
PyMySQL：可以让Python很方便地连接MySQL数据库，对数据库中的数据进行分析。
简单来说，Excel能做到的Python都能做到，但是Excel不能进行强大的编程及复杂的分析。但要说明的是，有些情况下，Python虽然能做到，但是不如Excel方便。
强大的机器学习算法库很多数据分析问题，光凭传统的统计分析方法已经无法解决，还需要借助于更强大的机器学习算法，而Python中的scikit-learn几乎能够实现所有的机器学习算法，调用起来非常方便。
监督学习算法：线性回归，分类算法如K近邻算法、决策树、逻辑回归、SVM及集成学习方法。
无监督学习算法：聚类分析、关联分析。
大数据平台下的分析随着数据量的日益增多，很多公司采用大数据技术来处理数据，如Hadoop、Spark等。
Python结合Spark，能够在大数据平台下进行海量数据的分析与挖掘。
最后，也是最重要的，Python是免费的，绝大多数数据分析工具都是收费的，而且价格不低。
综上，Python在数据科学领域很受欢迎！
