用户提问：数据分析为什么常用Jupyter而不是直接使用Python脚本或Excel?
作为一个使用过Jupyter、Python、R、Excel、Power BI、SQL的数据分析重度用户来说下感受。
1.Jupyter对比Excel
现在职场里最常用的数据分析工具其实就是这4个：Excel、Power BI、SQL、Python（Jupyter）。
不管Jupyter再强大，现在最频繁的数据分工具仍然是Excel，因为Excel是每个人办公必备的工具。
如果是些简单的数据分析任务，就直接在Excel中搞定是最省事的。
如果想要做些复杂的分析就可以用其他工具了，比如，我做过的这个数据分析项目，就不适合用Excel，而是用Pyhton Jupyter搞定。
作为产品部门，领导想让你从市场结构的角度，对今年（2022年）品牌表现做复盘，为明年的产品制定提供帮助。
选择哪个数据分析工具来实现呢？
考虑到市场结构这个工作，其实它不是一个一次性的任务。可能后续我们还需要去跟踪竞品的变化，然后进行竞品分析。也就是说部门可能每个季度、每半年都要去做一次这样的分析。
有没有什么办法，可以让这样重复性的工作，实现自动化？
像这种业务场景问题，就可以用Python（Jupyter）把重复工作实现自动化。
比如，这次写好了这次的竞品分析Python。那下次，老板再给到我下个季度同样的数据过来，让做竞品分析。
我就不需要再重复操作，直接运行之前写好的Python，就可以几分钟就出分析结果了。直接看实操效果：
所以，使用Excel还是Python（Jupyter），是根据你的分析目标来决定的。
2.Jupyter 对比Python脚本
一般写Python脚本的是开发工程师，而数据分析为了能让分析过程看得见，可追溯，一般都是用Jupyter。
为什么使用Jupyter呢？
在没有Jupyter之前，在IT领域工作的我都是这样工作的：
在普通的 Python脚本或者在IDE（集成开发环境）如Pycharm中写代码，然后在word中写文档来说明你的项目。
这个过程很反锁，通常是写完代码，再写文档的时候我还的重头回顾一遍代码。
最让人郁闷的地方在于，有些数据分析的中间结果，我还的重新跑代码，然后把结果弄到文档里给客户看。
有了Jupyter之后，我的世界突然美好了许多，因为Jupyter可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。
例如，这样，是不是很酷：
3.Python数据分析 对比 Python开发
相比于，Python做开发，用Python做数据分析，门槛要低很多。
也就是说，并不需要你把Python所有知识都学会，而是学会Python里专门用于做数据分析的知识点就可以啦。
参考学习资料：人工智能AI核心技术Python
