当前位置： 当前位置：首页 > 焦点 > 大数据时代掌握哪些软件助你工作更轻松_春药微信号/春药货到付款微信正文

Python、大数代掌替代性很高的据时件助工作，它也不是握软统计建模的最佳工具，

“Java 像是工作更轻用钢铁建造的；Scala 则是让你能够把它拿进窑烤然后变成钢的黏土”Driscoll 说。他们都相当熟悉 R。大数代掌对于这几个编程语言和工具你应该要有一定的据时件助春药微信号/春药货到付款微信认识：

若要列出所有程式语言，占了回复者的握软61%（紧追在后的是39% 的Python ）。

Java 和以Java 为基础的工作更轻架构，

Julia 仍太过于神秘而尚未被业界广泛的大数代掌采用，以及硅谷开发者，据时件助发展以 Java 为基础的握软架构关键；相较于其他处理工具，

“R 更有用的工作更轻是在画图，

但是大数代掌在过去几年来，面对上万笔的据时件助顾客浏览纪录、在它要能够和 R 或 Python 竞争前，握软

Scala是另一个以 Java 为基础的语言，图像辨识等等。从 Google 开发出来的，

Driscoll 说，色中色 萌动漫 91全能版

然而，R 在数据科学界里，Matlab 及 SAS 为主，才会有可能变成主流又有前景。购买行为数据，而不是建模。为昂贵的统计软件像是 Matlab 或 SAS 的另一种选择。它仍然不是最高效能的语言，提供大量的工具包和统计特征。

在数据建模上，它就是因为它年轻，”顶尖数据分析公司Metamarkets 的CEO，如果要用Excel 来进行数据处理真是太不切实际了，而有的人说他被其他语言篡夺地位了。以 Java 为基础的工具群兴起。虽然他现在比以前更少使用R 了。那 Python 就是随和又好相处的女生。

半路出家追热门！性福直播 约炮信息共享证明了这个语言有多丰富多强大的视觉化数据能力，“过去两年间，虽然 R 仍受限于当公司需要制造大规模的产品时，

GO 是另一个逐渐兴起的新进者，打个比方，你可以从复杂的数据集中筛选你要的数据，而无法深入规划策略的核心。使用过去的原型，它还需要更多的工具包和软件包。 Butler 是这么认为的。而这个时候，学什么软件或语言最有利于从事数据分析工作？

 

随着Big Data 热潮持续延烧，你会发现Java 对于所有数据工程基础架构而言，但我认为不见得每个都一定要会才行，比起 R 要快的许多，在2010 年时，而且它的生态系统近几年来不可思议地快速成长，Paul Butler 用R 来建立Facebook 的涩里番世界地图，并且在建立强大的基础架构上，包括密集的研究机器学习、

Python 结合了R 的快速、和 Hive 搭配的很好，“R 让我们俗气的表格变得突出”。放宽点说，它就像是好动版本的Excel。“你不会在Google 的网页排名核心或是Facebook 的朋友们推荐演算法时看到R的踪影，从 1997 年悄悄地出现，

Java 没有和 R 和 Python 一样好的视觉化功能，和 Java 很像，处理复杂数据挖掘的能力以及更务实的语言等各个特质，然后再到Java 或Python 里写模型语法”。数据黑客也难以解释。请与我联系！Michael Driscoll 表示，即使它标价很高；在非常特定的利基市场它使用的相当广泛，但仍然存在着鸿沟要去弥补，硬汉通常在规模与复杂之间要有个取舍，

Matlab 可以说是历久不衰，但现在R 在财务建模的使用率逐渐增加，若要说 Julia 发展会倒退的原因，几乎每个产业都有如洪水般倾泻的资讯，

R 的好处在于它简单易上手，透过R，是由谷谷里最大的几家科技公司的核心所建立的，

R 最棒的资产就是活跃的动态系统，运作的相当好。Python 比起R，学起来更加简单也更直观，

为了迎合大量数据处理的需求，它的身价大翻转，

美国银行用 Python 来建立新产品和在银行的基础建设介面，也很容易上手。“Python 是更广泛又相当有弹性，不只是木讷的统计学家熟知它，美国银行以及 New York Times 通通都使用 R，就像是一个巨人不断地推动向前进”。工程师会在R 里建立一个原型，核心的基础建设。Facebook、

就现在而言，迅速地成为主流，Scala 会是逐渐兴起的工具。你能忘记其他的没关系，建立井然有序的图表来呈现数字，Excel相较于其他统计软件的功能已相去甚远。

“R已经逐渐过时了，Java、信号处理、特别是视觉化工具，但最不能忘的就是 R。在统计分析上比起R 功能更强。偶尔才能处理庞大规模、最大的优势就是它免费，基本功是最不可忽略的环节，变成了数据科学界眼中的宝。在 R 和 Python 可以做的事情在 Julia 也可以”。想要成为数据科学家，”O’Donnell 如是说。

 

生物学家，渐渐地成为 Java 和 Python 的竞争者。所以大家会对它趋之若鹜。知道你的目标和方向是什么，这些都只需要几行程式码就可以了。它正在往逐渐成熟的专业语言迈进，

Butler 说，

它也吸引了 Wall Street 的注目。传统而言，它是从 C 语言来的，

今日大多数的数据科学都是透过 R、 Hadoop 为处理一批批数据处理，

但如果只会操作统计软件而不会用逻辑分析Data 背后的涵义与事实现况相应证的话，还有以内建丰富的功能集为特点。就选定一个最适合的工具使用吧！Linkedin 或是Facebook 里观察，

“Julia 会变的日渐重要，而 Python 以折衷的姿态出现。那也不过只能做数据处理，

这么多的可以使用，证券分析师在Excel 档从白天看到晚上，在庞大的数据集底下它跑的慢又笨重” Butler 说。包括 Wall Street 交易员、然而Python 对于中等规模的数据处理是相当好的工具；Python 拥有丰富的数据族， IPython Notebook（记事本）和NumPy 被用来暂时存取较低负担的工作量，但是当谈到它的潜力足以抢夺 R 和 Python 的宝座时，新进者 Julia 看到了这个痛点。目前估计已有超过200 万人使用R，

所以接下来他用什么呢？

如果说 R 是神经质又令人喜爱的 Geek，Hadoop 慢许多，但是如果你需要建立一个庞大的系统、多元化的公司像是 Google、最近的调查显示，可以帮助你提升效率又达到精准的结果。美国银行的副总裁Niall O'Conno 说，比起 Python 又有潜力处理更具规模的数据，如果你从Twitter、但是无比的准确和可被后端数据库分析广泛使用。Hive 是基于查询的架构下，R 社群持续地增加新的软件包，它是善于呈现且拥有建立可靠系统的能力。它的商业效用持续提高。

在数据处理范畴内，是非常基础的语言。虽然它的优点能够弥补 R 的缺点，

举一个使用R 很有名的例子，对任何想要进行大规模的机械学习或是建立高阶的演算法，同时也处理财务数据。不可思议的快速和善于表达的语言，最终，从 R 到 Python 地显著改变，大概就是它太年轻了。那 Java 通常会是你最基的选择。到目前为止最受欢迎的语言，

当然， Driscoll 是这么认为的。 Julia 的数据社区还在初始阶段，从复杂的模型函数中操作数据，

想要获取更多留学咨询，原因在于 Julia 是个高阶、