1樓：王小數
Excel處理少的資料量級，絕對是乙個非常好用的工具，因為它足夠簡單。
初級學圖示，中級學函式透視表，高階學VBA，在你學完VBA之後，Excel幾乎能解決你在日常工作中遇到的所有問題。
但是能打倒Excel的是什麼呢？ 是資料量級，Excel只適合處理1千萬以內量級的資料（還是在你電腦配置較為ok的情況下）超過這個量級，是真的帶不動。。。
Python是這些工具中綜合能力最強的，但是學習成本高，Python更多是通過第三方的包來實現，舉個例子：就比如你要做乙個桌子，用其他工具是需要選木料——量尺寸——裁木材——組合——安裝，Python就是桌子腿和桌子面都給你準備好了，你直接組裝就ok了。
Numpy與Scipy。這兩個包是Python之所以能在資料分析占有一席之地的重要原因。其中Numpy封裝了基礎的矩陣和向量的操作，而Scipy則在Numpy的基礎上提供了更豐富的功能，比如各種統計常用的分布和演算法都能迅速的在Scipy中找到。
2. Matplotlib。這個Package主要是用來提供資料視覺化的，其功能強大，生成的圖示可以達到印刷品質，在各種學術會議裡面出鏡率不低。
依託於Python，可定製性相對於其他的圖形庫更高。還有乙個優點是提供互動化的資料分析，可以動態的縮放圖表，用做Adhoc analysis非常合適。
2樓：Jack Hsueh
地位超越。Excel幹大資料肯定不行，但R和Python到成果要匯到Excel，進而到PPT。就像打工人和資本家一樣，雖然資本家開機器可能會卡死、壘磚可能會塌，但最終會收割打工人的成果，地位超然。
3樓：Terry
採用合適的方法，達到相應的需求點即可！
樣本量小：Excel 操作相對便捷；
樣本量大：Excel對於大樣本效能不足矣支援，這個時候就需要通過R or Python來實現；
不要讓一輛拖拉機去做一輛大貨車跑的業務。
4樓：數分高階
大資料領域，Excel 直接去分析原始資料，是不太現實的，因為資料量太大，Excel 可能卡死。
但使用 R 或者 Python 分析完原始資料，對資料進行了聚合統計後，還是可以用 Excel 來整理資料格式、畫畫圖看看資料趨勢之類的，起到輔助分析的作用。
5樓：南宮焱
首先，要看你的對大資料的定義是什麼樣子的。
其他答案裡的大資料應該都是數以千萬記的資料，這樣量級的資料，甚至再小乙個量級的資料，excel甚至都沒有辦法系統的檢視。這個時候python和r語言的優勢就非常明顯了。
但是如果你平時處理的資料的量級就是千計或者萬計，而且也不需要做複雜的諸如特徵工程，建模之類的工作。只是需要一些統計意義上的分析如資料的分布情況，特徵之間的相關性之類的，excel是一款簡單而有效的工具。幾乎可以滿足你的所有需求。
所以，還是要看你自己的定義鴨。而且不管是excel還是r還是python，只要你用的好都是強大的生產力工具。相反如果你用的不精，再強大的工具也體現不出來優勢。
6樓：欲飛
如果把你問題裡的大資料理解成資料量大，比如百萬級，千萬級，那Excel會受到一定的限制，卡頓是不可避免的。
我自己三種工具都用。Excel在有些方面很方便，比如Power Pivot資料透視表功能，但在處理迴圈迭代功能時很弱，不過Excel新出來的lambda有望改變這個現狀。
我喜歡根據要實現的功能，選擇自己覺得合適的工具，無關所謂的地位。
R語言和Python一塊學習會弄混嗎？？
Cobin Zhang 不會。學的時候多去對比實現同一結果，R和python的語法差別。具體語法參照包的用法，感覺R的包函式語法不是很規範，相比較python就規範的多。 David Lee 不會有Python基礎，學R會很輕鬆。我是統計專業，學R的時候有C和MATLAB鋪墊，感覺R學起來很舒服，後...
Python在資料分析方面取代R語言和MATLAB會是大勢所趨嗎
阿道克 我是R使用者，用了十來年了吧。我覺得R和Python的問題不是誰取代誰，而是兩者何時融合產生新工具，畢竟兩者一直在取長補短相互借鑑。R不是通用程式語言，而是統計程式語言，這是缺點也是優點。R很難像Python那樣大流行，但是專業性強也不容易被通用工具取代。反而是Python，如果有了更好用的...
為什麼你在使用R語言？
隨口說說的人 一開始因為喜歡程式設計的感覺，後來因為統計學需要。學習R本身就很有意思，現在功利了，做統計或者畫圖需要用到，才學習相應的R的部分。對工具本身的迷戀，會失去重心。還是，結合需求來學和用。會形成正反饋。 章丁睿 最主要的原因是R裡的幾個package,讓我遲遲放不下。資料處理 首推data...