python主要可以做Web 和 Internet开发、科学计算和统计、桌面界面开发、软件开发、后端开发等领域的工作。
Python是一种解释型脚本语言。Python可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。互联网公司广泛使用Python来做的事一般有：自动化运维、自动化测试、大数据分析、爬虫、Web 等。
扩展资料
python的主要优点：
简单易学：Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。因有极其简单的说明文档，Python极其容易上手。
运行速度快：Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，运行速度非常快。
免费、开源资源：Python是FLOSS（自由/开放源码软件）之一。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。FLOSS是基于一个团体分享知识的概念。
可扩展性：如果需要一段关键代码运行得更快或者希望某些算法不公开，可以部分程序用C或C++编写，然后在Python程序中使用它们。
参考资料来源：百度百科-Python
美国大型金融机构几乎前篇一律的用SAS。最重要原因的在于用SAS省却了尽职调查。R作为一款免费软件，有大量第三方的library或者package。你说你用吧，挺方便，但是每用一次你就得给这个来一次尽职调查。不然银行内的model validation team，internal audit或者美联储都回来挑麻烦的。或者你不用，不过自己把所有需要的工具自己写一遍也够累的，何况自己写了也需要validate。而不管是对第三方code的尽职调查，还是对自己code的validation，都成本很高，牵扯很多部门，需要按照详细的流程走下来。（美联储的要求越来越严格了）
反观SAS，作为一个default工具，不管是用Base SAS还是SAS EG，交点钱就好了。对于这些机构来说，SAS真的不贵。我们最近在帮某大行Bulid model，team去了几十个人，客户也没在乎是不是每个人都需要，就给每人都配了Base SAS和SAS EG。
另外银行动辄上百个G大小的数据，R跑起来可能真的太吃力了。相反基于Server的SAS用起来非常流畅。
Python vs. C++
这个我了解不多。但是Python在machine learning上的应用越来越好，所以在量化交易上应该还是有前景的。而且Python和其他语言的对接做的很棒，也算是他的优势吧。另一方面Python真的很简洁，连我这种看见C++就头疼的人也能写一些simulation。如果要求不是很严格，很多人会非常乐于接受Python吧。
