1、当然是python，因为python能够处理大量的数据，而你让excel去处理同样的大量数据，可能excel直接崩溃。其次excel需要人工操作，少量数据时可以轻易解决，但量大的时候呢？这时候人工的耗费就非常高了，python可以直接交给机器来处理。
2、挺不错的，CDA培训体系涉及的广度和深度可以说是数据分析领域的顶尖内容，只要想学习数据科学相关的内容，在CDA都能找到相应的课程，而且课程也绝不是粗制滥造。
3、CDALevelⅠ：CDALevelⅠ业务数据分析师需要掌握概率论和统计理论基础，能够熟练运用Excel、SPSS、SAS等一门专业分析软件，有良好的商业理解能力，能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析，并得出逻辑清晰的业务报告。
4、报过CDA数据分析师的课程，老师从统计学建模方法到统计工具SPSS、SAS/python/sql等教学到商业案例实战分析，课程条理清楚，内容丰富，引导大家揭开数据分析的神秘面纱，其实CDA是很好的入门课程！首先是学习知识，系统学习了数据分析的相关理论基础，为数据分析提供了理论基础。
1、当然是python，因为python能够处理大量的数据，而你让excel去处理同样的大量数据，可能excel直接崩溃。其次excel需要人工操作，少量数据时可以轻易解决，但量大的时候呢？这时候人工的耗费就非常高了，python可以直接交给机器来处理。
2、你好：一般的工作数据用office办公软件中的excel表格就可以完全解决，没有必要使用python编程处理。由于python和excel两种相比较而言，后者相对资料丰富、易学和容易掌握等有点，而python虽说容易学，但是毕竟还是一门编程语言，用途当然可以想象。
3、Excel：对于基础的数据分析和处理，Excel是一款非常实用的工具。它可以完成数据清洗、数据加工、数据可视化等基本操作。其优势在于操作简便，界面友好，易于上手，而且支持多种格式的数据导入和导出。
4、Python可以处理比Excel更大的数据集；可以更容易地实现自动化分析；建立复杂的机器学习模型是很容易的。
1、通常在python里，一个字典只有支持几万到几十万数据量的时候效率最高。字典太大并不适合这种数据类型。列表也不是存贮效率高的一种方式，通常我们大数据量计算会使用array，最差也要使用blist。另外range也不可以的。要用xrange。xrange通常不消耗多少内存。range会用很多内存。
2、探讨Python在处理大数据量时的适用性，需澄清两个关键点。首先，百万行数据在当今互联网环境下，尚未达到大数据的门槛。通常，大数据处理的起点是10亿条记录以上。其次，处理大数据量时，操作的含义至关重要。如果涉及数据加载与分发，Python以其高效的性能胜任有余。
3、10亿级别以上的数据Python效率低。
4、python可以处理大数据，python处理大数据不一定是最优的选择。适合大数据处理。而不是大数据量处理。 如果大数据量处理，需要采用并用结构，比如在hadoop上使用python，或者是自己做的分布式处理框架。python的优势不在于运行效率，而在于开发效率和高可维护性。