隨著大數(shù)據(jù)的熱潮不斷升溫，幾乎各個領(lǐng)域都有洪水傾瀉般的信息涌來，面對用戶成千上萬的瀏覽記錄、記錄行為數(shù)據(jù)，如果就單純的Excel來進行數(shù)據(jù)處理是遠遠不能滿足的。但如果只用一些操作軟件來分析，而不怎么如何用邏輯數(shù)據(jù)來分析的話，那也只是簡單的數(shù)據(jù)處理。
替代性很高的工作，而無法深入規(guī)劃策略的核心。
當然，基本功是最不可忽略的環(huán)節(jié)，想要成為數(shù)據(jù)科學家，對于這幾個程序你應該要有一定的認識：
R
若要列出所有程序語言，你能忘記其他的沒關(guān)系，但最不能忘的就是R。從1997年悄悄地出現(xiàn)，最大的優(yōu)勢就是它免費，為昂貴的統(tǒng)計軟件像是Matlab或SAS的另一種選擇。
但是在過去幾年來，它的身價大翻轉(zhuǎn)，變成了資料科學界眼中的寶。不只是木訥的統(tǒng)計學家熟知它，包括WallStreet交易員、生物學家，以及硅谷開發(fā)者，他們都相當熟悉R。多元化的公司像是Google、Facebook、美國銀行以及NewYorkTimes通通都使用R，它的商業(yè)效用持續(xù)提高。
R的好處在于它簡單易上手，透過R，你可以從復雜的數(shù)據(jù)集中篩選你要的數(shù)據(jù)，從復雜的模型函數(shù)中操作數(shù)據(jù)，建立井然有序的圖表來呈現(xiàn)數(shù)字，這些都只需要幾行程序代碼就可以了，打個比方，它就像是好動版本的Excel。
R最棒的資產(chǎn)就是活躍的動態(tài)系統(tǒng)，R社群持續(xù)地增加新的軟件包，還有以內(nèi)建豐富的功能集為特點。目前估計已有超過200萬人使用R，最近的調(diào)查顯示，R在數(shù)據(jù)科學界里，到目前為止最受歡迎的語言，占了回復者的61%（緊追在后的是39%的Python）。
它也吸引了WallStreet的注目。傳統(tǒng)而言，證券分析師在Excel檔從白天看到晚上，但現(xiàn)在R在財務建模的使用率逐漸增加，特別是可視化工具，美國銀行的副總裁NiallO’Conno說，「R讓我們俗氣的表格變得突出」。
在數(shù)據(jù)建模上，它正在往逐漸成熟的專業(yè)語言邁進，雖然R仍受限于當公司需要制造大規(guī)模的產(chǎn)品時，而有的人說他被其他語言篡奪地位了。
“R更有用的是在畫圖，而不是建模。”頂尖數(shù)據(jù)分析公司Metamarkets的CEO，MichaelDriscoll表示，
“你不會在Google的網(wǎng)頁排名核心或是Facebook的朋友們推薦算法時看到R的蹤影，工程師會在R里建立一個原型，然后再到Java或Python里寫模型語法”。
舉一個使用R很有名的例子，在2010年時，PaulButler用R來建立Facebook的世界地圖，證明了這個語言有多豐富多強大的可視化數(shù)據(jù)能力，雖然他現(xiàn)在比以前更少使用R了。
“R已經(jīng)逐漸過時了，在龐大的數(shù)據(jù)集底下它跑的慢又笨重”Butler說。
所以接下來他用什么呢?
Python
如果說R是神經(jīng)質(zhì)又令人喜愛的Geek，那Python就是隨和又好相處的女生。
Python結(jié)合了R的快速、處理復雜數(shù)據(jù)采礦的能力以及更務實的語言等各個特質(zhì)，迅速地成為主流，Python比起R，學起來更加簡單也更直觀，而且它的生態(tài)系統(tǒng)近幾年來不可思議地快速成長，在統(tǒng)計分析上比起R功能更強。
Butler說，“過去兩年間，從R到Python地顯著改變，就像是一個巨人不斷地推動向前進”。
在數(shù)據(jù)處理范疇內(nèi)，通常在規(guī)模與復雜之間要有個取舍，而Python以折衷的姿態(tài)出現(xiàn)。IPythonNotebook（記事本軟件）和NumPy被用來暫時存取較低負擔的工作量，然而Python對于中等規(guī)模的數(shù)據(jù)處理是相當好的工具；Python擁有豐富的資料族，提供大量的工具包和統(tǒng)計特征。
美國銀行用Python來建立新產(chǎn)品和在銀行的基礎(chǔ)建設(shè)接口，同時也處理財務數(shù)據(jù)，“Python是更廣泛又相當有彈性，所以大家會對它趨之若鶩。”O’Donnell如是說。
然而，雖然它的優(yōu)點能夠彌補R的缺點，它仍然不是最高效能的語言，偶爾才能處理龐大規(guī)模、核心的基礎(chǔ)建設(shè)。Driscoll是這么認為的。
Julia
今日大多數(shù)的數(shù)據(jù)科學都是透過R、Python、Java、Matlab及SAS為主，但仍然存在著鴻溝要去彌補，而這個時候，新進者Julia看到了這個痛點。
Julia仍太過于神秘而尚未被業(yè)界廣泛的采用，但是當談到它的潛力足以搶奪R和Python的寶座時，數(shù)據(jù)黑客也難以解釋。原因在于Julia是個高階、不可思議的快速和善于表達的語言，比起R要快的許多，比起Python又有潛力處理更具規(guī)模的數(shù)據(jù)，也很容易上手。
“Julia會變的日漸重要，最終，在R和Python可以做的事情在Julia也可以”。Butler是這么認為的。
就現(xiàn)在而言，若要說Julia發(fā)展會倒退的原因，大概就是它太年輕了。Julia的數(shù)據(jù)小區(qū)還在初始階段，在它要能夠和R或Python競爭前，它還需要更多的工具包和軟件包。
Driscoll說，它就是因為它年輕，才會有可能變成主流又有前景。
Java
Driscoll說，Java和以Java為基礎(chǔ)的架構(gòu)，是由硅谷里最大的幾家科技公司的核心所建立的，如果你從Twitter、Linkedin或是Facebook里觀察，你會發(fā)現(xiàn)Java對于所有數(shù)據(jù)工程基礎(chǔ)架構(gòu)而言，是非常基礎(chǔ)的語言。
Java沒有和R和Python一樣好的可視化功能，它也不是統(tǒng)計建模的最佳工具，但是如果你需要建立一個龐大的系統(tǒng)、使用過去的原型，那Java通常會是你最基的選擇。
Hadoop and Hive
為了迎合大量數(shù)據(jù)處理的需求，以Java為基礎(chǔ)的工具群興起。Hadoop為處理一批批數(shù)據(jù)處理，發(fā)展以Java為基礎(chǔ)的架構(gòu)關(guān)鍵；相較于其他處理工具，Hadoop慢許多，但是無比的準確和可被后端數(shù)據(jù)庫分析廣泛使用。和Hive搭配的很好，Hive是基于查詢的架構(gòu)下，運作的相當好。
Scala
又是另一個以Java為基礎(chǔ)的語言，和Java很像，對任何想要進行大規(guī)模的機械學習或是建立高階的算法，Scala會是逐漸興起的工具。它是善于呈現(xiàn)且擁有建立可靠系統(tǒng)的能力。
“Java像是用鋼鐵建造的；Scala則是讓你能夠把它拿進窯烤然后變成鋼的黏土”Driscoll說。
Kafka andStorm
說到當你需要快速的、實時的分析時，你會想到什么?Kafka將會是你的最佳伙伴。其實它已經(jīng)出現(xiàn)五年有了，只是因為最近串流處理興起才變的越來越流行。
Kafka是從Linkedin內(nèi)誕生的，是一個特別快速的查詢訊息系統(tǒng)。Kafka的缺點呢?就是它太快了，因此在實時操作時它會犯錯，有時候會漏掉東西。
魚與熊掌不可兼得，「必須要在準確度跟速度之間做一個選擇」，Driscoll說。所以全部在硅谷的科技大公司都利用兩個管道：用Kafka或Storm處理實時數(shù)據(jù)，接下來打開Hadoop處理一批批處理數(shù)據(jù)系統(tǒng)，這樣聽起來有點麻煩又會有些慢，但好處是，它非常非常精準。
Storm是另一個從Scala寫出來的架構(gòu)，在硅谷逐漸大幅增加它在串流處理的受歡迎程度，被Twitter并購，這并不意外，因為Twitter對快速事件處理有極大的興趣。
Matlab
Matlab可以說是歷久不衰，即使它標價很高；在非常特定的利基市場它使用的相當廣泛，包括密集的研究機器學習、信號處理、圖像辨識等等。
Octave
Octave和Matlab很像，除了它是免費的之外。然而，在學術(shù)信號處理的圈子，幾乎都會提到它。
GO
GO是另一個逐漸興起的新進者，從Google開發(fā)出來的，放寬點說，它是從C語言來的，并且在建立強大的基礎(chǔ)架構(gòu)上，漸漸地成為Java和Python的競爭者。
這么多的軟件可以使用，但我認為不見得每個都一定要會才行，知道你的目標和方向是什么，就選定一個最適合的工具使用吧!可以幫助你提升效率又達到精準的結(jié)果。
京公網(wǎng)安備 11010502049343號