數(shù)據(jù)分析中的Excel、R、Python、SPSS、SAS和SQL

作為一直想入門數(shù)據(jù)分析的童鞋們來說，如何選定一門面向數(shù)據(jù)分析的編程語言或工具呢？注意是數(shù)據(jù)分析，而不是大數(shù)據(jù)哦，數(shù)據(jù)分析是基礎了。

數(shù)據(jù)分析的工具千萬種，綜合起來萬變不離其宗。無非是數(shù)據(jù)獲取、數(shù)據(jù)存儲、數(shù)據(jù)管理、數(shù)據(jù)計算、數(shù)據(jù)分析、數(shù)據(jù)展示等幾個方面。而被提到頻率最高的如Excel、R、Python、SPSS、SAS、SQL等。那么，這些工具本身到底有什么特點呢，應該如何合理的使用來解決數(shù)據(jù)分析的各種問題？

最簡單的是EXCEL，它不僅是簡單的而且是必備的。正所謂初級學圖表，中級學函數(shù)透視表，高級學習VBA。EXCEL功能的強大只有那些正真學過它的人才能知道，我們反對任何關于EXCEL復雜，不實用的說法。在學完VBA之后，EXCEL幾乎能解決你在日常工作中遇到的所有問題。EXCEL是你成為數(shù)據(jù)分析師的必備條件。

對于一個初級的數(shù)據(jù)分析師來說，剛開始如果能精通SQL與Excel再會點SPSS之類的就差不多了。SPSS對用戶的要求是只要會點擊菜單就可以了，有編程窗口但是一般沒人用，用戶多是受到過一些統(tǒng)計訓練的，但不需要高深的分析能力，市場調(diào)研用的比較多，統(tǒng)計專業(yè)的學生一般要求掌握。

再往后，你可能就需要精通一門統(tǒng)計分析軟件了，一般說來如果是互聯(lián)網(wǎng)行業(yè)可能R語言是最為流行，因為R語言是開源的，不過上手還是需要長期的學習；SPSS界面友好型，不過一般是市場研究用的比較多，如果你會用SPSS編程，其實功能還是比較強大的，建議如果想先練手可以學這個，上手快；SAS一般是金融企業(yè)特別是銀行業(yè)和醫(yī)學統(tǒng)計，銀行業(yè)人員有一些是用SAS做統(tǒng)計，一般是銀行業(yè)內(nèi)部人做的，另一種是給銀行業(yè)做數(shù)據(jù)挖掘的公司，不過正版一年也要上百萬，不是土豪也用不起，而且SAS學習沒人指導很難學；所以看童鞋們的選擇，想在傳統(tǒng)或者咨詢公司做的SPSS比較合適，想去金融特別是銀行業(yè)SAS不錯，想進互聯(lián)網(wǎng)公司學R語言可能是比較明智。

再就是Python。Python在這些工具里面是綜合功能最強大的，但是這些功能分散在第三方庫里面，沒有得到有機的整合，所以學習成本還是比較高的。Python與R不同，Python是一門多功能的語言。數(shù)據(jù)統(tǒng)計是更多是通過第三方包來實現(xiàn)的。具體來說，常用的Python在統(tǒng)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(shù)據(jù)分析占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(tǒng)計常用的分布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(shù)據(jù)可視化的，其功能強大，生成的圖標可以達到印刷品質(zhì)，在各種學術(shù)會議里面出鏡率不低。依托于Python，可定制性相對于其他的圖形庫更高。還有一個優(yōu)點是提供互動化的數(shù)據(jù)分析，可以動態(tài)的縮放圖表，用做Adhoc analysis非常合適。

3、Scikit Learn。非常好用的MachineLearning庫，適合于用于快速定制原型。封裝幾乎所有的經(jīng)典算法，易用性極高。

4、Python標準庫。這里主要是體現(xiàn)了Python處理字符串的優(yōu)勢，由于Python多功能的屬性和對于正則表達式的良好支持，用于處理文本是再合適不過的了。

Python是一套比較平衡的語言，各方面都可以，而R是在統(tǒng)計方面比較突出。R的優(yōu)勢在于有包羅萬象的統(tǒng)計函數(shù)可以調(diào)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(jīng)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(yōu)勢在于其膠水語言的特性，一些底層用C寫的算法封裝在Python包里后性能非常高效。

總之R和SAS是專業(yè)性比較強的統(tǒng)計軟件，統(tǒng)計專業(yè)學生必備，SPSS是更大眾化的統(tǒng)計軟件，Python不是統(tǒng)計軟件，而是一種可以用來做各種事情的語言。R和Python現(xiàn)在越來越受到各大公司的喜歡，也必定會成為將來的發(fā)展趨勢。Python的功能可遠遠不止用來分析數(shù)據(jù)，它可以用來開發(fā)，建站，寫個小APP什么的。我們所知道的果殼網(wǎng)，知乎，DROPBOX等可都是用Python寫得哦。如果你能同時學會Python和R，在數(shù)據(jù)科學領域肯定就游刃有余了。

總的來說，不同工具各有擅場，最關鍵的當然還在于業(yè)務的掌握和數(shù)學方法的掌握（統(tǒng)計學和機器學習等核心方法）。但磨刀不誤砍柴工，把基本工具掌握熟練了百利無一弊。而當你要做大數(shù)據(jù)分析的時候，還會用到Hadoop等工具（實際上這些工具都是可以結(jié)合Hadoop大數(shù)據(jù)平臺聯(lián)合起來用的，后面專題介紹）。而且，工具不是萬能的，業(yè)務和數(shù)據(jù)建模方法才是萬法之源。不要被工具迷花了眼哦