所以看小夥伴的選擇,想在傳統或者諮詢公司做的SPSS比較合適,想去金融特別是銀行業SAS不錯,想進互聯網公司學R語言可能是比較明智;
Twisted Python 觀點:Python在你列舉這些裏面是綜合功能最強大的,但是這些功能分散在第三方庫裏面,沒有得到有機的整合,相應的學習成本會較高。
Python與R不同,Python是一門多功能的語言。數據統計是更多是通過第三方包來實現的。
具體來說,我常用的Python在統計上面的Package有這樣一些
1.Numpy與Scipy。這兩個包是Python之所以能在數據分析佔有一席之地的重要原因。其中Numpy封裝了基礎的矩陣和向量的操作,而Scipy則在Numpy的基礎上提供了更豐富的功能,比如各種統計常用的分佈和算法都能迅速的在Scipy中找到。
2.Matplotlib。這個Package主要是用來提供數據可視化的,其功能強大,生成的圖標可以達到印刷品質,在各種學術會議裏面出鏡率不低。依託於Python,可定製性相對於其他的圖形庫更高。還有一個優點是提供互動化的數據分析,可以動態的縮放圖表,用做adhoc analysis非常合適。
3.Scikit Learn。非常好用的Machine Learning庫,適合於用於快速定製原型。封裝幾乎所有的經典算法(神經網絡可能是唯一的例外,不過這個有Pylearn2來補充),易用性極高。
4.Python標準庫。這裏主要是體現了Python處理字符串的優勢,由於Python多功能的屬性和對於正則表達式的良好支持,用於處理text是在合適不過的了。
peng wang 觀點:Python是一套比較平衡的語言,各方面都可以,而R是在統計方面比較突出,可在處理海量數據可能就比較難勝認。
- python與R相比速度要快。python可以直接處理上G的數據;R不行,R分析數據時需要先通過數據庫把大數據轉化爲小數據(通過groupby)才能交給R做分析,因此R不可能直接分析行爲詳單,只能分析統計結果。Python=R+SQL/Hive
- R的優勢在於有包羅萬象的統計函數可以調用,特別是在時間序列分析方面(主要用在金融分析與趨勢預測)無論是經典還是前沿的方法都有相應的包直接使用;相比python在這方面貧乏不少。
- Python的優勢在於其膠水語言的特性,一些底層用C寫的算法封裝在python包裏後性能非常高效(Python的數據挖掘包Orange canve 中的決策樹分析50萬用戶10秒出結果,用R幾個小時也出不來,8G內存全部佔滿)。
文章來自知乎