你好>>,游客 登录
背景:
阅读新闻

数据科学中应该学习哪些语言>>?

[日期:2017-09-07] 来源:极光日报  作者: [字体: ]

  简评: 原始的数据科学是劳动密集型活动>,但当你会用适合的语言进行工作时,数据科学应该是非常智能有趣的工作>,会让你得到一些不容易看到的结论>。

大数据

  一般来说>,数据科学中常?;嵘婕按罅渴莸拇?>>,此时优化代码的性能非常重要??悸堑秸庑┗驹?,来看看哪些语言是数据科学中应该掌握的:

  R

  R 发布于 1995 年,是 S 语言的一个分支,开源>>。目前由 R Foundation for Statistical Computing 提供技术支持>。

  优点:

  免费>、开源>>>,各种功能和函数琳琅满目

  专门为统计和数据分析开发的语言,即使基础安装也包含全面的统计功能和方法

  数据可视化

  缺点:

  性能>,R 作为解释型语言,运行效率并不高

  R 在统计学的表现很出色>,但并不适用于通用编程

  Package 的可靠性问题

  小结: R 语言在统计和数据可视化方面非常强大,并且开源让它聚集了一帮活跃的贡献者>,不过由于开发者良莠不齐,导致 Package 的可靠性方面会有点问题

  Python

  Guido van Rossum 在 1991 年推出 Python,开源>。Python 广泛用于数据科学领域,目前主要的版本是 3.6 和 2.7 。

  优点:

  Python 是一门主流编程语言,有着广泛的在线支持

  入门友好>>>,易于学习

  有诸如 pandas >, scikit-learn 和 Tensorflow 这样优秀的 package

  缺点:

  Python 作为动态语言>,比 Java 还慢,而且容易出现类型错误

  对于特定的统计或数据分析>,R 的封装会比 Python 更轻松;而在通用性方面>,也有比 Python 更好的替代方案

  小结: Python 是数据科学中很好的选择,而且>>,Google 的 TensorFlow 使得机器学习框架都偏向于Python

  SQL

  SQL 是结构化查询语言>,用于存取数据以及查询、更新和管理 关系数据库系统

  优点:

  在查询>、更新和管理关系数据库方面非常有效

  易读>>。类似这样的语句基本不会有歧义:SELECT name FROM users WHERE age > 18

  SQLAlchemy 等??槭?SQL 与其他语言的集成变得简单明了

  缺点:

  分析功能相当有限

  SQL有很多不同的实现>,如 PostgreSQL , SQLite >, MariaDB >。他们都是不同的,操作起来有点麻烦。

  小结: SQL 作为数据处理语言比作为高级分析工具更有用

  Java

  Java 具有简单性>>、面向对象>>、 分布式 、 健壮性 >、 安全性 、平台独立与可移植性、 多线程 >>、动态性等特点>,目前由 Oracle Corporation 支持。

  优点:

  应用广泛>,许多系统和应用都用 Java 写后端,能够将数据科学方法直接继承到现有的代码库

  健壮>。对于重要任务的大数据应用,这点很宝贵

  适合编写高效的 ETL 生产代码和计算密集型机器学习算法

  缺点:

  对于专用的统计分析,Java 的冗长度不适合作为首选>。不过动态类型的脚本语言(如 R 和 Python)可以提高生产率

  与 R 这样特定领域的语言相比,Java 中没有大量可用于高级统计方法的库

  小结: Java 其实不推荐作为数据科学语言的首选,尽管它能将数据科学代码无缝接入现有代码库,而且性能和安全性也是它的优势>。但是作为开发者>,使用 Java 就意味着没有其他语言特定的包可用>>。

  Scala

  Scala 是一门多范式的编程语言,类似 Java,由 Martin Odersky 开发并于 2004 年发布>>。

  优点:

  Scala + Spark = 高性能集群计算>>。它是大数据领域的杀手级应用框架

  多范式

  Scala 被编译为 Java 字节码并在 JVM 上运行,这使 Scala 成为非常强大的通用语言,同时也非常适合数据科学

  缺点:

  Scala 并不太适合初学者

  语法和类型都比较复杂>>,这对于 Python 开发者其实是个比较陡峭的学习曲线

  小结: 对于集群处理大数据的环境>>>,Scala + Spark 是一个很棒的解决方案。但对于少量数据而言,其他语言或许效率更高

  Julia

  Julia 是一款刚出现没几年的 JIT 科学计算语言>, 为高性能科学计算而生。

  优点:

  JIT(just-in-time)语言>,性能良好>,还提供像 Python 等解释语言的脚本功能和动态类型

  为数值分析而生>,但也同样能进行通用编程

  可读性好,而且 Julia 文档的中文翻译优秀(因为核心组有个中国人哈哈哈)

  缺点:

  作为一种新语言>,很难说已经可以成熟到大规模使用

  有限的包

  小结: 潜力无限>>,但就目前而言,还不如 R 和 Python 一样成熟稳定

  MATLAB

  MATLAB 是 MathWorks 公司出品的商业 数学软件 >,用于算法开发>、数据可视化、数据分析以及 数值计算 的高级技术计算语言和交互式环境,在数学类科技应用软件中在数值计算方面首屈一指。

  优点:

  专为数值计算而设计,非常适合具有复杂数学计算的定量应用>,如信号处理>、傅里叶变换>、图像处理等

  数据可视化,MATLAB 内置了绘图功能

  作为数学本科课程的一部分,它在物理>、工程、应用数学等领域有着广泛应用

  缺点:

  还挺贵的( 获取 MATLAB 及工具箱报价 )

  不适用于通用编程

  小结: MATLAB 最适合数据密集型应用>,毕竟它就是为此而生的>。

  总结

  本文只是个快速指南>,来帮助选择哪种语言适合做数据科学。当然>>>,除了上述介绍的语言外>>,C++>、JavaScript>>、Perl 还有Ruby 也可以解决一些数据问题>,其中的关键在于你的使用需求>,以及个人的喜欢等。

  感谢阅读。





收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德>,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款
阿启网 | 男士时尚 | 冠珠陶瓷 | 快递单号网点查询 | 网贷tansend | 微信群 | 冠珠陶瓷 | 创业者 | 在线教程 |