Bjarne Stroustrup說：有兩種語言：壹種人們抱怨它，另外壹種卻沒有人使用。
Python語言屬於前壹種，卻在數值計算 機器學習等領域使用量不斷上升，Python除了性能攸關的領域以外幾乎能做任何事情，使用Python最好的選擇是進行數據分析和統計計算，而學習Python用於Web開發卻需要掌握很多不同的Web框架，比如Django，而學習Python用於數據科學只需要數據科學家們學習正則表達式的使用，包括科學類庫和數據虛擬化等概念即可。這是兩種完全不同的目標，無需掌握任何Web編程概念的數據專家可以容易地使用Python進行數據工作，毫無任何困難。
Python是壹個有23年歷史的豐富表達的動態編程語言，編程人員可以壹次編寫代碼無需另外編譯器就能執行，在Web開發中Python支持各種編程範式比如結構編程，函數式編程和面向對象編程。
不可否認使用Python編寫壹個動態Web網站可以是很優秀的，但是學習Web框架也是必須的。
下面是幾種PythonWeb開發框架：
1. Django：它是壹個完美的快速Web開發框架，適合數據庫驅動的Web應用開發，但是它也許有點overkill(過度的殺傷威力)，因為它會混淆文件系統和嚴格目錄結構(strict directory structure)，使用python進行Web開發的公司有紐約時報 Instagram,和 Pinterest.
2.Flask：這是對於初學者輕量解決方案，適合開發單頁Web應用，框架不支持檢驗 數據抽象層和其他框架有的組件功能，它不是完整開發棧，只是用於小網站。
3.CherryPy:它著重Python的慣例設計，這樣可以使用面向對象的方式開發應用，它是其他完整開發棧框架（TurboBears 和 Web2py）的基礎模板。
此外還有Pyramid, Bottle, 和Pylons 等待，無論使用哪個框架，都需要深度閱讀理解文檔和教程。
使用Python進行Web開發也許是壹個不切實際的選擇，理由如下：
1.使用Python進行Web開發需要非標準和昂貴的主機托管，而PHP語言如此廣泛應用在web開發，因此，大部分投資者不會投資用於運行python web網站的主機資源。也就是說，很難找到像PHP那樣的主機資源運行妳的Python Web應用。
2.相比PHP Java和Ruby on Rails，Python並不是在Web開發領域的普遍開發技術，Python用於數據科學正在不斷吸引註意力，大量從事數據科學和機器學習的公司在尋找這方面的Python人才，而不是Web方面的Python人才。
3.Python用於Web開發已經探索很長壹段時間，但是它相比其他語言如PHP，在學習方面有比較陡峭的學習曲線，比較難以學習掌握。
為什麽Python是最適合於數據科學呢？
Python因為其類似英語語法，在研發大數據 財務 統計和數值計算等方面有其強大的天然性，最近快速增長的機器學習，自然語言處理和數據虛擬化以及數據探測 數據分析以及數據挖掘等需求導致了形成Pythonification。Python是數據科學家最暢銷的技能，在紐約進行Python數據科學編程平均薪水是 $140,000
那麽為什麽數據科學家喜歡使用Python進行數據科學研究呢？
因為Python能夠讓他們的想法更快速地原型化，他們喜歡趕快把想法實現，然後快速地從巨大的數據集中分析得出結論。而Python在這方面編程是最多才多藝、最體現其能力的全才，它有助於科學家以優化最短的時間編碼、調試、執行和得到的結果。
壹個偉大的企業數據科學家真正價值是使用各種數據可視化幫助根據數據模式進行快速預測，從而贏得商業競爭優勢，否則只是壹場零和遊戲。Python有科學計算需要的很高的計算強度。
1.Python有統壹的設計哲學，它聚焦於易於使用，可讀性好和對數據科學家的易學低門檻。
2.Python有高可擴展性scalability，和Stata, Matlab相比要快得多。
3.有越來越多的數據虛擬包和很酷的應用編程接口都增加了圖形接口來采納數據分析的結果輸出。
4.Python有很大的數據科學社區，包括Sci-Kit learn, NumPy, Pandas, 和Statsmodels, SciPy等庫包，這些都已經充分測試，Python數據科學包壹直在增長。