MATLAB在逐漸被Python淘汰嗎？MATLAB和python不在同一級別。MATLAB是面向算法本身和仿真本身的產(chǎn)品。如果不是運行效率，那就要看是誰寫的程序了。matlab收費的原因在于運行時的

MATLAB在逐漸被Python淘汰嗎？

MATLAB和python不在同一級別。MATLAB是面向算法本身和仿真本身的產(chǎn)品。如果不是運行效率，那就要看是誰寫的程序了。matlab收費的原因在于運行時的更新。比如及時5g更新NR庫，如果你用Python寫這個東西，不是不可能寫的，只是時間、完整性、運行效率，這些都很難保證。畢竟，MATLAB的背后是一支強大的科學家團隊來負責算法，一支強大的工程師團隊來完成實現(xiàn)，最后給大家一個簡單易用的函數(shù)它可以通過使用的方法來實現(xiàn)。每個人都做他們擅長的事。

會用Excel，真的需要再學Python嗎？

雖然這種方法可以快速生成結果，而且效率很高，但因為它使用了設計良好的組件，所以您基本上可以遵循規(guī)則。遇到問題時，不能向下推組件并重建它們。您只能更換其他組件或更改組合方法；

并且不能使用大量數(shù)據(jù)，因為Excel的邏輯關系太弱，就像積木一樣，處理萬級數(shù)據(jù)有點困難，就像倒塌一樣，所以Excel不能用來建造高層建筑。畢竟，世界上沒有高樓是用積木建造的。

從數(shù)據(jù)分析的角度看，Excel的可視化效果較差，數(shù)據(jù)采集無法與Python相比。這不是Excel的特長，但是Excel在數(shù)理統(tǒng)計方面的表現(xiàn)還是很好的

所以當數(shù)據(jù)量比較小的時候，你想快速得到結果，而且邏輯關系簡單，Excel很香

！缺點是您需要能夠做任何事情。你需要能夠建造墻壁，建造和繪制圖紙。自然比excel難學

從效率上講，處理簡單的問題肯定比excel差，但面對復雜的問題，Python的優(yōu)勢可以凸顯

有了這堆原材料，你不僅可以建造高樓，還可以建造飛機，船和火箭頭，所以人們說，Python是一種通用語言，它可以做任何事情，除了生孩子

另一點是，Python是開源的，至少比matlab（深執(zhí)迷）好得多

從數(shù)據(jù)分析的角度來看，Python絕對比excel、數(shù)據(jù)采集，數(shù)據(jù)處理和數(shù)據(jù)分析、可視化都比excel好，當然這只是為了數(shù)據(jù)分析

當數(shù)據(jù)量大，邏輯關系復雜時，Python是最佳的解決方案

]PS:

當然VBA也說了，其實我覺得VBA和Python的學習難度相差不大，但是太難用了。讓我們看看個人的具體需求。具體的區(qū)別在這里不詳細

可能底層的語言設計和具體的實現(xiàn)是不同的

下面是一些細節(jié)我個人的一些看法是錯誤的，請糾正我：

首先，從語言本身的角度來看：

C#可以看作是一種編譯語言（嚴格地說，是一種混合語言），而Python是一種解釋性語言。

C的優(yōu)勢？速度越來越快。由于編譯只進行一次，運行時不需要編譯，因此編譯語言的程序執(zhí)行效率很高。

同時，編譯是一把雙刃劍。如果修改了代碼，則需要重新編譯整個模塊，并根據(jù)操作系統(tǒng)環(huán)境編譯不同的可執(zhí)行文件。

魚和熊掌不能兼得。Python的優(yōu)點是它具有很強的跨平臺能力。代碼修改不需要停止。缺點是每次運行時都要解釋。

然而，隨著軟硬件的快速發(fā)展，解釋運行時間與編譯后運行時間的時差將越來越小，Python語言“優(yōu)雅”、“清晰”、“簡單”的優(yōu)勢也越來越明顯。

其次，從類庫生態(tài)的角度來看：

Python有大量的第三方類庫。在其他一些語言中，實現(xiàn)一個函數(shù)可能需要幾十到幾百行代碼，而Python可能會調用其他語言的下一個輪子，只需要幾行代碼甚至一行代碼。然而，c#一開始是基于Windows平臺的，后來可以是跨平臺的、開源的。第三方類庫的數(shù)量沒有python那么多。

最后，從發(fā)展前景來看：

人工智能，大數(shù)據(jù)時代已經(jīng)到來，數(shù)據(jù)清洗和分析是python的強項，人工智能中有很多基于python的優(yōu)秀框架。如果有人說Python效率低下，如果我的硬件不符合標準，我需要效率，那么人們更愿意使用C/C而不是C#。

總之，c和Python之間的排名差距越來越大。

同樣的數(shù)據(jù)及清洗規(guī)則，用spssmodelder的結果比python差，為什么？

除了基本的python編程知識外，還需要了解HTTP協(xié)議、簡單HTML等

除了基本的python編程知識外，還需要熟悉spark等

除了基本的python編程知識外，還需要熟悉Django、HTTP、RSET、JSON等基本的python編程知識，你需要熟悉[Linux.

除了基本的python編程知識外，你還需要熟悉CI/CD、持續(xù)編譯、持續(xù)集成，以及Jenkins、k8s等

還有很多職位可以勝任學習python語言。Python在編程語言中被稱為通用膠水。比如它可以用來做爬蟲、網(wǎng)頁、操作和維護，現(xiàn)在流行的Ai都可以用python，但是我覺得python適合數(shù)據(jù)科學。

一方面，python有很多專門用于數(shù)據(jù)科學的數(shù)據(jù)包，非常方便。學完這門語言，你就會愛上它。然而，數(shù)據(jù)科學語言的知識背景也非常廣泛。從統(tǒng)計學到計算機理論的每一個分支都需要不斷學習以跟上時代的步伐。

另一方面，Python現(xiàn)在越來越流行。當然，很多因素都是媒體和一些培訓機構造成的。但這也說明Python的發(fā)展趨勢仍在上升?，F(xiàn)在教育部新成立了人工智能，競爭只會越來越激烈。

為什么C#排名和Python相差越來越大？

如果你學習好，你可以在任何方向賺錢。近年來Python的流行源于大數(shù)據(jù)和人工智能的發(fā)展，但Python的發(fā)展方向很多，而且都有相關的定位。

1. AI方向。目前比較流行的算法有算法post、計算機視覺、NLP等，但閾值和難度都比較高，主要是Python算法。

2. 數(shù)據(jù)處理與分析。這一方向主要側重于數(shù)據(jù)處理和分析。目前市場上有很多職位，包括最近流行的定量工程師。在這方面，我們主要研究python中與數(shù)據(jù)分析相關的幾個庫，然后我們還需要相關領域的知識。對于分析，我們還需要數(shù)學建模的要求。

3. Python爬蟲，這個方向主要是從指定的網(wǎng)站或應用程序中獲取相關數(shù)據(jù)，然后進行數(shù)據(jù)清理，篩選出有用的數(shù)據(jù)，除了掌握Python的相關技能外，還需要了解前端知識。

4. Python后端是最接近傳統(tǒng)軟件開發(fā)的后端，實際上是大多數(shù)Python工程師所做的唯一后端。

5. Python堆棧。目前，很多培訓機構都在培訓這個。實際上，他們正在學習Python前端。

簡而言之，你首先需要根據(jù)自己的情況選擇一個方向，然后你才能做到。學習不可能在一兩天內完成。講究方法，持之以恒。最后，祝你早日成功。