Python的優勢
Python是一門解釋型語言，是比較容易入門。
Python的程序代碼更接近英語，更好好理解。
Python的擴展庫非常豐富。
Python與C的粘合性非常好。
Python的缺點
Python的執行效率相比與C、C++相對較慢
Python的應用領域
數據分析與處理
通常情況下，Python被用來做數據分析。用C設計一些底層的算法進行封裝，然后用Python進行調用。因為算法模塊較為固定，所以用Python直接進行調用，方便且靈活，可以根據數據分析與統計的需要靈活使用。Python也是一個比較完善的數據分析生態系統，其中matplotlib經常會被用來繪制數據圖表，它是一個2D繪圖工具，有着良好的跨平台交互特性。日常做描述統計用到的直方圖、散點圖、條形圖等都會用到它，幾行代碼即可出圖。我們日常看到的K線圖、月線圖也可用matplotlib繪制。如果在證券行業做數據分析，Python是必不可少的。
再如Pandas也是Python在做數據分析時常用的數據分析包，也是很好用的開源工具。Pandas可對較為復雜的二維或三維數組進行計算，同時還可以處理關系型數據庫中的數據，和R語言相比，data.frame計算的范圍要遠遠小於Pandas中的DataFrame的范圍，這也從另一個側面說明Python的數據分析功能要強於R。
除以上兩點之外，SciPy還可有解決很多科學計算的問題，比如微分方程、矩陣解析、概率分布等數學問題。
Web開發應用
Python是Web開發的主流語言，但不能說是最好的語言。同樣是解釋型語言的JavaScript，在Web開發中應用的已經較為廣泛，原因是其有一套成熟的框架。但Python也具有獨特的優勢。比如Python相比於JS、PHP在語言層面較為完備，而且對於同一個開發需求能夠提供多種方案。庫的內容豐富，使用方便。Python在Web方面也有自己的框架，如django和flask等。可以說用Python開發的Web項目小而精，支持最新的XML技術，而且數據處理的功能較為強大。
人工智能應用
在人工智能的應用方面，筆者認為還是得益於Python強大而豐富的庫以及數據分析能力。比如說在神經網絡、深度學習方面，Python都能夠找到比較成熟的包來加以調用。而且Python是面向對象的動態語言，且適用於科學計算，這就使得Python在人工智能方面備受青睞。雖然人工智能程序不限於Python，但依舊為Python提供了大量的API，這也正是因為Python當中包含着較多的適用於人工智能的模塊，比如sklearn模塊等等。調用方便、科學計算功能強大依舊是Python在AI領域最強大的競爭力。