1、Python学习门槛相对较高
虽然Python在编程语言里算最容易入门的，但是它仍然是一门编程语言，需要你理解变量、函数、逻辑语句、类、线程进程等编程知识，对于大部分非IT专业的人来说，学习门槛是相当高的。
而且学习Python数据分析不光是学习Python语法本身，你还要学习Pandas、Numpy、Matplotlib、SKlearn等各种数据科学库，因为大部分数据处理函数都包装在这些库里。
很多库学习的难度不比Python本身容易，因为这些大库的生态很复杂。比如Pandas，它的函数方法起码得有成千上万个，还有不胜其数的参数和逻辑，就像是你在手撸Excel底层代码去做数据分析。
所以Python擅长处理复杂度高、重复性高、数据量大的场景。
Excel呢？几乎大部分懂点电脑的人可以零门槛去使用，或者说简单看些教程，就可以使用函数、透视表进行数据处理，入门学习成本极低。
当然，高阶操作和VBA也是需要花时间去研究的。
2、Python使用成本相对较高
前面说过Python不像Excel这种图形界面软件，拿来即用，不会出现什么幺蛾子。
Python用起来相比Excel麻烦点，有可能你跑成功的代码换到同事电脑就会出现bug，因为Python涉及环境配置、依赖关系，且语法格式比较严格，稍有不对就会报错。
所以很多Python的学习者会止步在安装配置、bug处理上，还没进行数据分析就放弃了。
对于Excel，可能就不会存在这些问题，或者很少。
公司里上到董事长、CEO，下到基层员工，几乎都在用Excel。你用Excel做出来的东西，可以毫无沟通障碍的同步给领导同事，哪怕是用到VBA等复杂功能，也可以轻松解释。
当然这里不涉及复杂的开发的场景，只是日常办公的数据处理和协作，Excel比Python更实用。
如果是跑算法、写自动化工具，肯定Python相对合适。
3、Excel在某些应用场景已经通用化，产生路径依赖
多数人对Excel产生了路径依赖。Excel面世几十年，在各行各业都有深层次的应用，积累了大量代码、公式、流程、素材等，很难在一朝一夕去找到替代品。
Excel是世界上最成功的软件之一，微软每年用养成本上千的工程师去开发维护Excel，把Excel封装成日常办公最方便的数据工具。其实微软考虑的是满足95%的人需求即可，剩下5%的人可以尽情地去用Java、Python等工具。
所以不是说功能越强，我们越应该用什么，而且考虑到现有的规则、经验、行情，做出最有解选择。
小结
综上，大部分人使用Excel，而不是Python进行数据分析，是很正常的事。
因为简单而有效的东西往往是最受欢迎的，Python其实也一直在往这个方向努力，相信它的明天会无比美好。
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
