入門數(shù)據(jù)分析,我應(yīng)該學(xué)習(xí)什么編程語言

很多時候，當(dāng)和人們討論怎么開始學(xué)習(xí)數(shù)據(jù)科學(xué)，一個疑惑總是出現(xiàn)在我們面前：
    我不知道應(yīng)該學(xué)什么編程語言。

不僅僅是編程語言，這還包括軟件系統(tǒng)，例如TABLEAU,SPSS等，這是個更加廣闊范疇的工具和編程語言的集合，讓人非常難清楚該如何選擇。

我很明白。數(shù)年前，我剛開始把目光集中于數(shù)據(jù)科學(xué)的時候，我瀏覽了所有流行的編程語言Python,R,SAS,D3,并不包括那些雖然觸手可及，但是實在是在數(shù)據(jù)分析方面沒有優(yōu)勢的語言，例如perl,BASH和JAVA。即使在今天，我也只是從別處得到建議（從一個非常出名的數(shù)據(jù)科學(xué)博客）去使用復(fù)雜一點的工具，例如UNIX的AWK和SED（不用擔(dān)心你對這兩個沒有任何印象，因為你沒有必要學(xué)，至少在開始階段）

這里有非常多的建議，非常多的素材，非常多的選擇，這使得了解清楚最開始學(xué)習(xí)什么變得非常困難。這是一片知識的山峰，并且非常難找到哪里有著“金礦”，你得到的教訓(xùn)就是假以時日的探尋搜索之后會給你豐厚的回報。

你要清楚，某些語言會讓你受益匪淺（無論是在時間上還是金錢上），其他的語言是輔助用的工具，頂多陪伴你數(shù)年。

讓我把這堆話簡化吧：先學(xué)R語言

集中在一種語言上

在介紹給你為何要學(xué)R之前，我需要和你強調(diào)的是你應(yīng)該在開始學(xué)習(xí)數(shù)據(jù)科學(xué)的時候，學(xué)一項語言。

就像我在SHARPSIGHT LAB寫的R語言新手教程一樣，我被數(shù)個人問了為何不同時去學(xué)PYTHON。我的回答一貫沒變。否決。只有直到你有非常直接的需要多于一種語言來使用的時候，你才能去學(xué)。
    為何要集中在一項語言上呢？

因為你需要集中更多時間在進程和技術(shù)上，而非語法上。你要了解如何理解數(shù)據(jù)以及怎么用這數(shù)據(jù)科學(xué)的工具去解決問題。總而言之，我認為r是最佳的做這個的編程語言。
    學(xué)習(xí)R

不做保留地，我仍然推薦你應(yīng)該學(xué)習(xí)R作為你的第一項數(shù)據(jù)科學(xué)編程語言。雖然總有例外的情況（例如你為了一些特殊的計劃需要），我認為R是你起步時最好的選擇。
    這就是為什么
    R即將變成數(shù)據(jù)科學(xué)里的“國際話”
    R即將成為數(shù)據(jù)科學(xué)里的“國際話”，這并不是說這個語言是這一界的唯一語言，或者是每個人最佳的工具，但是，毫無疑問，這個是最收到廣泛應(yīng)用的，也是使用人不斷上升的。
    正如我所寫過的那樣，O’REILLYMEDIA做了一個調(diào)查于2014年，從而了解各種數(shù)據(jù)學(xué)家愛用的工具，他們發(fā)現(xiàn)R成了之中最流行的（如果你把SQL從“像樣的”語言里踢出去的話）
    從更廣闊的視野看，這里有別的在綜合層面上的關(guān)于編程語言的普及度（不僅僅從數(shù)據(jù)學(xué)家的人群里計算）例如，REDMONK使用驗證討論（在STACK OVERFLOW上）和計算使用次數(shù)（在GITHUB上）測量出了編程語言的流行程度。而在他們最新的排位表上，R語言排名13，算是在統(tǒng)計學(xué)的語言中最高者。REDMONK同樣注意到R的流行率在不斷增加。
    一個TIOBE給出的相近的排位(通過搜索引擎的搜索次數(shù)測定）便表現(xiàn)了R的普及率趨勢宛如滔滔江水無法阻擋其前進。
    從這兩個組織對于所有編程語言的排位評價來看，當(dāng)你看著這些數(shù)據(jù)，你就會深刻知道R是目前最流行以及最通用的編程語言了。
    用R的公司們
    R在數(shù)個最好的招聘數(shù)據(jù)學(xué)家的公司里被重用。谷歌和臉書——我認為的最好的兩個在我們現(xiàn)代經(jīng)濟里存活下來的公司——同樣都有數(shù)據(jù)學(xué)家使用R
    （為了讓人理解宛如臉書這樣這么大的公司使用R，我會常常去查閱SOLOMONMESSING的博客。那是一個臉書的數(shù)據(jù)學(xué)家開的，而他的博客上寫的R語言十分出色）
    就像分析學(xué)的進步于目前所說那樣，“R也是作為微軟公司的數(shù)據(jù)科學(xué)家們的選擇，當(dāng)他們用BING，AZURE，OFFICE， 還有銷售，市場經(jīng)營以及經(jīng)濟建筑的時候常能看到它的身影。
    那些技術(shù)的巨人公司例如谷歌，臉書還有微軟，R非常廣泛地適用于各種公司，包括了美國銀行，福特，TECHCRUNCH,UBER和TRULIA。
    R在學(xué)術(shù)界的流行
    R不僅僅是企業(yè)的工具。也是在學(xué)術(shù)領(lǐng)域的科學(xué)家和研究者的寵兒。最近一份文件展示了R在調(diào)查中展示出來的情況——
    R在學(xué)術(shù)領(lǐng)域的重要性體現(xiàn)在其培養(yǎng)出來的技術(shù)表現(xiàn)出了企業(yè)范兒。
    另一種說法，如果學(xué)院頂尖的人在他們學(xué)習(xí)的時候訓(xùn)練R語言的用法，那么在企業(yè)就業(yè)的領(lǐng)域，R的重要性就會上升。這種學(xué)術(shù)界的，圍繞于博士間的，研究者的支持會讓他們在下海經(jīng)商的時候創(chuàng)造自己對人的用R的方法。
    更值得一提，作為數(shù)據(jù)科學(xué)的前線，忙于事務(wù)的數(shù)據(jù)工作者會需要和更多的學(xué)院派科學(xué)家接觸，我們將會借助他們的技術(shù)以及和他們共享創(chuàng)意。就像我們建設(shè)和栽種并且將這個世界變成數(shù)據(jù)流一樣，學(xué)術(shù)科技和基于事務(wù)的數(shù)據(jù)科學(xué)總能連成一條模糊的橋梁。
    認識到R里面最簡單的是數(shù)據(jù)科學(xué)的技能
    R的熱門并非是學(xué)習(xí)它的唯一理由。
    非常重要的是，如果你真的想掌握數(shù)據(jù)科學(xué)，那么你應(yīng)該學(xué)這些核心的技術(shù)領(lǐng)域。數(shù)據(jù)操縱，數(shù)據(jù)視覺化，機械性學(xué)習(xí)。
    選擇語言時，你應(yīng)該保證它有同時能適應(yīng)這三項領(lǐng)域的能力。你需要工具去完成這些事就像你認真地學(xué)習(xí)你選擇的語言一樣。
    就像我說的，你要集中于進程和技術(shù)方面，而不是語法。
    你需要學(xué)會怎么思考解決方法。
    你需要學(xué)會發(fā)現(xiàn)內(nèi)在的數(shù)據(jù)。
    為了做到這些，你就需要精通上面這三樣了。精通這三樣會讓你在R的學(xué)習(xí)之路上十分輕松，比學(xué)別的更輕松。
    數(shù)據(jù)匯總
    有句話常說，八成的數(shù)據(jù)科學(xué)工作都是操縱數(shù)據(jù)，無論是否有這么多，你都要去做，用非常多的時間去做。把數(shù)據(jù)加工成你想要的形狀，而R有著最佳的工具幫你實現(xiàn)。
    Dpylr包可以讓你的數(shù)據(jù)操作變得很簡易，這是我?guī)啄陙硪恢背Ｓ玫摹．?dāng)你活用起來的時候你會漂亮地完成數(shù)據(jù)流的。
    數(shù)據(jù)可視化
    Ggplot2作為最好的年度數(shù)據(jù)可視化工具之一。而它的絕妙之處在當(dāng)你學(xué)了語法之后你也就懂得了如何做到數(shù)據(jù)可視化了。
    我說過很多次，所有定型了的視圖都有著深層的共同結(jié)構(gòu)。而這個包正是基于這個結(jié)構(gòu)，學(xué)會了，你就懂了。
    還有，當(dāng)你把這兩個組合起來的時候，這項工作將會變得事半功倍。
    機械式學(xué)習(xí)

最后，來到了這個部分。雖然我認為初學(xué)者應(yīng)該等陣子才開始學(xué)（畢竟數(shù)據(jù)探索更加重要），但還是很重要，當(dāng)你發(fā)現(xiàn)數(shù)據(jù)探索阻擋住你前進腳步的時候，你就需要新家伙了。
當(dāng)你準(zhǔn)備好學(xué)這個之后，R有些東西適合你。
    學(xué)更多的工具和知識！
    先弄清楚，你要學(xué)習(xí)更多的語言，就像工具箱里沒有單一的最好的工具一樣，同樣沒有一種語言能萬能應(yīng)對所有情況的。而當(dāng)你精通R的這三樣利器之時，你也就到了學(xué)習(xí)別的語言去對應(yīng)各種場合問題的時候。
    這里給你個學(xué)完R之后其他選擇的快速瀏覽
    .Python
    這是個非常好的多任務(wù)編程語言而你應(yīng)該在某些場合里用它。根據(jù)ORELLy的近期調(diào)查顯示，這語言是第二熱門的（在數(shù)據(jù)科學(xué)家中），它擁有非常好的可視化工具，也有很好的機械化學(xué)習(xí)能力，對于大多數(shù)人，這是第二門語言的選擇。
    .D3
    我喜歡D3,它的可視化非常漂亮，而起互動性非常適合組建公告欄。我的成品并不非常完好的匹配上。對我來說，D3更多像是雕像工具一般，這是用來做非常優(yōu)美的數(shù)據(jù)可視化工具，但是制作出來的東西并不會分析其中產(chǎn)生的冗余和各種情況，當(dāng)你有非常多的對應(yīng)客戶端包含著新分析和近場聯(lián)系
    我非常樂觀。對于所說的GGVIS會讓R的用戶做出高質(zhì)量而美觀可以互動的可視化。所以有的時候，R用戶可以學(xué)GGVIS代替。Summary: LearnR, and focus your efforts

所以詳細斟酌，挑好語言，當(dāng)你開始的時候，R幾乎是最好的選擇，還有，要非常認真地學(xué)習(xí)技術(shù)。

另外，學(xué)習(xí)的時候千萬不要就看些引人注目的。你就像是要去看那些新技術(shù)和工具的表現(xiàn)和闡述，只要看這些人們做的可視化數(shù)據(jù)和組織?？纯磩e人做出來的大作（找出用啥做的）這會帶著你去試試看新東西，信我這句，你需要集中，而不是被東西分散精力，你要畫上數(shù)個月去深入學(xué)習(xí)一個工具。然后就像我說的，你確實需要建立起完整的技術(shù)于數(shù)據(jù)科學(xué)的洪流上。你需要有扎實的技巧，至少在可視化和組織上。你需要有能力去做些復(fù)雜的數(shù)據(jù)探索（用R）在你開始更深層的學(xué)習(xí)之前花100小時在R會學(xué)到比各自10小時在不同工具上學(xué)的好。最好，你的時間利用會因為你對目的的關(guān)心而非常高。不要被些吸引人的東西迷惑了。