把几张行情表拉进 Excel，算收益、画图，往往已经够用。但当数据变成数百万条高频报价，或混入地图、文本等“另类数据”，表格就可能吃力。Reddit 用户 yugiton 由此提出：Python 在量化团队中的价值，不只是替代 Excel，而是把取数、清洗、科学计算和机器学习接成一条更完整的研究链。
不过，这不等于所有工作都该搬进 Python。Excel 仍适合作为直观的操作界面；Python 也未必亲自完成每次计算。所谓 Python 绑定，就是让它负责易用的外层接口，把耗时部分交给 C/C++ 等编译语言。NumPy、pandas 的向量化计算也采用类似思路：整块处理数据，避开 Python 逐条循环。
真正的分界线更可能是团队规模和任务要求。研究阶段看重快速试验，生产系统还要处理异常、并发、监控和失败恢复。Python继续连接两端，性能关键路径则可能外移。需要注意，这只是一次社区讨论，供稿没有提供行业调查或性能数据，不能据此断言全行业已形成统一路线。