资讯专栏INFORMATION COLUMN

python与R(对比SAS),我该选择哪种工具?

BDEEFE / 1157人阅读

摘要:然而,它最终变成了一种昂贵的选择,并不总是具有最新的统计功能。对于大多数专业人士而言,这是昂贵的且没有能力以个人身份购买。

介绍

我们热衷于比较!

从智能手机中的三星,苹果和HTC,移动操作系统中的iOS,Android和Windows,到即将进行选举的候选人的比较,或为世界杯团队选择队长,比较和讨论丰富了我们的生活。如果你喜欢讨论,你需要做的就是在一个充满激情的论坛里抛出一个相关的问题,然后看着它发酵。这个过程的美妙之处就在于,论坛里的每个人都是一个知识渊博的人。

那我在这里就抛出一个类似的话题—— SAS和R语言之争可能是数据科学行业可能见证的最大争辩,而Python是现在发展最快的语言之一,自成立以来已经走过了漫长的道路。我开始讨论这个话题不是想看它引爆全场(虽然这也很有趣),而是我知道我们都会从讨论中受益。

这个问题也经常在博客中被人们讨论。所以,我想和大家一起讨论!

在这个问题上讨论的还不够多吗?

可能是! 所以我还是觉得有必要进行讨论,理由如下:

数据科学非常有活力,前两年进行的讨论可能与现在的情况没什么关联了。

传统观念里没有把python列作比较之内,我觉得现在这是个非常值得深思的问题。

虽然我们将讨论有关语言的全球趋势,但我也将添加印度分析行业的相关具体信息(处于不同的发展水平)

好了,闲话少说,让我们开始讨论吧!

背景

下面是一些关于这三个生态系统的简要说明:

SAS:SAS一直是商业分析领域无可争议的市场领导者。该软件提供大量统计功能,具有良好的GUI,供人们快速学习,并提供强大的技术支持。然而,它最终变成了一种昂贵的选择,并不总是具有最新的统计功能。

R:R是SAS的开源对应物,传统上用于学术和研究。由于其开源性质,最新技术可以快速发布。互联网上有很多相关文档,R是一个非常划算的选择。

Python:作为一种开源脚本语言,Python的使用者数量随着时间的推移而不断增长。今天,它集成一些库(numpy,scipy和matplotlib)和几乎所有你可能想做的统计操作/模型构建的功能。自从引入pandas以来,它在结构化数据的操作方面变得非常强大。

属性比较

我将在以下属性上比较这些语言:

1.可用性/成本

2.易于学习

3.数据处理能力

4.图形功能

5.先进的工具

6.工作场景

7.深度学习支持

8.客户服务支持和社区

我从分析师的角度来比较这些。 因此,如果您正在为您的公司寻找要购买的工具,您可能无法在此获得完整的答案。但是以下信息仍然有用。 对于每个属性,我给这三种语言中的每一种都给出一个分数(1 - 低 ; 5 - 高)。

这些参数的权重,根据您的职业生涯阶段和雄心而有所不同。

可用性/成本

SAS是一款商业软件。对于大多数专业人士而言,这是昂贵的且没有能力以个人身份购买。但是,它在私人企业中拥有最高的市场份额。 因此,除非您在投资了SAS的机构中,否则可能很难接触到SAS。 尽管如此,SAS已经引入了一个可以免费访问的大学版,但它有一些局限性。在那里你也是可以使用 Jupyter notebook的!

另一方面,R&Python是完全免费的。以下是我对此参数的打分:

SAS - 3

R - 5

Python - 5

易于学习

SAS易于学习,并为已经了解SQL的人提供简便的选项(PROC SQL)。 不仅如此,它在其存储库中具有良好的稳定GUI界面。 在资源方面,各大学的网站上都有教程,SAS有全面的文档。 从SAS培训机构出来是可以获得认证的,但它们也是需要一笔花费。

R在3种语言中具有最陡峭的学习曲线。它要求您学习和理解编码。R是低级编程语言,因此简单的过程可能需要较长的代码。

Python因其编程世界的简单性而闻名。 对于数据分析也是如此。,虽然目前还没有广泛的GUI界面,但我希望Python notebooks会变得越来越主流。 它们为文档和共享提供了出色的功能。

SAS - 4.5

R - 2.5

Python - 3.5

数据处理能力

这一度是SAS的优势。 R计算内存(RAM)中的每一个单元,因此计算受到32位机器上的RAM数量的限制。 但是现在已不再是这种情况。 这三种语言都具有良好的数据处理能力和并行计算选项。我觉得这不再是一个很大的区别。 他们都带来了Hadoop和Spark集成,他们也支持Cloudera和Apache Pig。

SAS - 4

R - 4

Python - 4

图形功能

SAS具有不错的功能图形功能。但是,它只是功能性的。对绘图进行任何自定义都很困难,需要您了解SAS Graph包的复杂性。R和Python具有非常先进的图形功能。 有许多软件包可以为您提供高级图形功能。随着Plotly被引入两种语言并且Python带有Seaborn,制作自定义绘图从未如此简单。

SAS - 3

R - 4.5

Python - 4.5

先进的工具

所有3个生态系统都具备所有基本和最需要的功能。 此功能仅在您处理最新技术和算法时才有意义。

由于其开放性,R&Python可以快速获得最新功能。 另一方面,SAS更新了其在新版本推出中的功能。 由于R在过去被广泛用于学术界,因此新技术的发展很快。

话虽如此,SAS在受控环境中发布更新,因此它们经过了充分测试。 另一方面,R&Python有开放的贡献,并且在最新的发展中存在错误的可能性。

SAS - 4

R - 4.5

Python - 4.5

工作场景

在全球范围内,SAS仍然是用于企业工作的市场领导者。大多数大公司仍在使用SAS。另一方面,R / Python是寻求成本效益的初创企业和公司的更好选择。此外,据报道R / Python上的工作数量在过去几年中有所增加。 这是一个在互联网上广泛发布的趋势,它显示了R和SAS工作的趋势。 用于数据分析的Python作业与R作业具有相似或更高的趋势:

下图显示了蓝色的R和橙色的SAS:


这个图表现了另一个方面,蓝色的R与橙色的python:


总的来说,语言的市场可以用下图表示:

SAS – 4

R – 4.5

Python – 4.5

客户服务支持与社区

R和Python拥有最大的在线社区,但没有客户服务支持。 所以,如果你遇到麻烦,你就是靠自己。 你会得到很多帮助。另一方面,SAS提供专门的客户服务与社区服务。 因此,如果您在安装或任何其他技术挑战方面遇到问题,可以与他们联系。

SAS – 4

R – 3.5

Python – 3.5

深度学习支持

SAS的深度学习仍处于起步阶段,有很多工作要做。

另一方面,Python在该领域取得了很大的进步,并拥有许多软件包,如Tensorflow和Keras。

R最近增加了对这些软件包的支持,以及一些基础的软件包。 R中的kerasR和keras包充当了原始Python包,Keras的接口。

SAS – 2

Python – 4.5

R – 3

其他因素

以下是一些值得注意的问题:

Python在Web开发中被广泛使用。 因此,如果您从事在线业务,使用Python进行Web开发和分析可以提供协同效应。

SAS过去在部署端到端基础架构(可视化分析,数据仓库,数据质量,报告和分析)方面具有很大的优势,这已经通过在SAP HANA和Tableau等平台上集成/支持R而得到缓解。 它仍然远离SAS之类的无缝集成,但旅程已经开始。

总结

在今天的情景中,我们看到市场略微向Python倾斜。考虑到行业的动态性,投资将会占据优势。根据您的情况(职业阶段,财务等),您可以添加自己的权重,并提出可能适合您的权重。以下是一些具体方案:

如果您是进入分析行业的新手(特别是在印度),我建议您学习SAS作为您的第一语言。它易于学习,占有最高的就业市场份额。

如果你是一个已经在工业上花时间的人,你应该尝试将你的专业知识多样化,学习一种新工具。

对于行业的专家和专业人士,人们至少应该知道其中的两个。这将为未来增加很多灵活性并开辟新的机会。

如果你是一个初创/自由职业者,R / Python更有用。

从战略上讲,需要更多实际操作帮助和培训的企业设置选择SAS作为选项。

研究人员和统计学家选择R作为替代方案,因为它有助于繁重的计算。正如他们所说,R的目的是完成工作而不是简化您的计算机。

由于其轻量级特性和不断发展的社区,Python已成为当今初创公司的明显选择。它也是深度学习的最佳选择。

这是最终的得分表:

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/44027.html

相关文章

  • 一份关于人工智能、机器学习和大数据的报告

    摘要:为了你最好的未来,请不断的学习创始人兼首席执行官人工智能和机器学习的时代已经到来了,这些领域都有可能对印度的行业产生重大的影响。在印度努力重振生产力增长的同时,人工智能和机器学习有望填补这一空白。 showImg(http://upload-images.jianshu.io/upload_images/13825820-702c6873cd07cfc3.jpg?imageMogr2/...

    Carbs 评论0 收藏0
  • [原]深入对比数据科学工具箱:PythonR之争[2016版]

    摘要:概述在真实的数据科学世界里,我们会有两个极端,一个是业务,一个是工程。偏向业务的数据科学被称为数据分析,也就是型数据科学。所以说,同时学会和这两把刷子才是数据科学的王道。 showImg(https://segmentfault.com/img/bVAgki?w=980&h=596); 概述 在真实的数据科学世界里,我们会有两个极端,一个是业务,一个是工程。偏向业务的数据科学被称为数据...

    whidy 评论0 收藏0

发表评论

0条评论

BDEEFE

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<