Python、R 语言、SAS、SPSS 优缺点比较

最近一直想入门数据分析的小伙伴问我，如果要入事数据分析一直来说要学那些语言呢？其实小编跟企业部门部门与侯选人接触下来，给我的感觉是对于这个初级的数据分析师来，一般前二年做差不多都是老大让你做的是处理临时需求为主，如果小明给我做个报表，给市场部那边拉一些流量情况，所以主要前两年可能如果精通SQL与EXCEL再会点SPSS就差不多了，2年以后，老大会把一些:经营性分析需求与竞品分析给你，这里你可能你要需求统计软件，3年以后会让你做一些会员营销及其它的数据挖掘，这里一般说来如果是互联网行业可能R语言是最为流行。

因为R语言是开源的，所以互联网企业很多在用，还有一些通迅行业的咨询公司，不过上手还是需要长期的学习；SPSS界面友好型，不过企业用正版也要很大一些数，不过一般是市场研究用的比较多，如果你会用SPSS编程其实功能还是比较强大的，建议如果想先练手可以学这个，上手快；SAS一般是金融企业特别是银行业和医学统计，银行业人员有一些是用SAS做统计，一般是银行业内部人做的，另一种是给银行业做数据挖掘的公司,不过正版一年也要上百万，不是土豪也用不起，听说支付宝都不用，而是用R语言，而且SAS学习没人指导很难学；所以看小伙伴的选择，想在传统或者咨询公司做的SPSS比较合适，想去金融特别是银行业SAS不错，想进互联网公司学R语言可能是比较明智；

Twisted Python  观点：Python在你列举这些里面是综合功能最强大的，但是这些功能分散在第三方库里面，没有得到有机的整合，相应的学习成本会较高。
Python与R不同，Python是一门多功能的语言。数据统计是更多是通过第三方包来实现的。
具体来说，我常用的Python在统计上面的Package有这样一些
1.Numpy与Scipy。这两个包是Python之所以能在数据分析占有一席之地的重要原因。其中Numpy封装了基础的矩阵和向量的操作，而Scipy则在Numpy的基础上提供了更丰富的功能，比如各种统计常用的分布和算法都能迅速的在Scipy中找到。
2.Matplotlib。这个Package主要是用来提供数据可视化的，其功能强大，生成的图标可以达到印刷品质，在各种学术会议里面出镜率不低。依托于Python，可定制性相对于其他的图形库更高。还有一个优点是提供互动化的数据分析，可以动态的缩放图表，用做adhoc analysis非常合适。
3.Scikit Learn。非常好用的Machine Learning库，适合于用于快速定制原型。封装几乎所有的经典算法(神经网络可能是唯一的例外，不过这个有Pylearn2来补充)，易用性极高。
4.Python标准库。这里主要是体现了Python处理字符串的优势，由于Python多功能的属性和对于正则表达式的良好支持，用于处理text是在合适不过的了。

peng wang  观点：Python是一套比较平衡的语言，各方面都可以，而R是在统计方面比较突出，可在处理海量数据可能就比较难胜认。

• python与R相比速度要快。python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。Python=R+SQL/Hive
• R的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面（主要用在金融分析与趋势预测）无论是经典还是前沿的方法都有相应的包直接使用；相比python在这方面贫乏不少。
• Python的优势在于其胶水语言的特性，一些底层用C写的算法封装在python包里后性能非常高效(Python的数据挖掘包Orange canve 中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。
  

文章出处：中国统计网整理于知乎

来自群组: Spark精英汇