Scala

51CTO诚邀您9月23号和秒拍/国美/美团元专家一路聊智能CDN的优化之路，抓紧时光哦！

原始的数据科学是劳动密集型晃荡，但当你会用合适的说话进行工作时，数据科学应当是异常智能有趣的工作，会让你获得一些不轻易看到的结论。

一般来说，数据科学中经常会涉及大年夜量数据的处理，此时优化代码的机能异常重要。推敲到这些基来源基本则，来看看哪些说话是数据科学中应当控制的：

R 宣布于 1995 年，是 S 说话的一个分支，开源。今朝由 R Foundation for Statistical Computing 供给技巧支撑。

长处：

• 免费、开源，各类功能和函数琳琅满目
• 专门为统计和数据分析开辟的说话，即使基本安装也包含周全的统计功能和办法

数据可视化

缺点：

• 机能，R 作为解释型说话，运行效力并不高
• R 在统计学的表示很出色，但并不实用于通用编程

Package 的靠得住性问题

小结：R 说话在统计和数据可视化方面异常强大年夜，并且开源让它集合了一帮活泼的供献者，不过因为开辟者良莠不齐，导致 Package 的靠得住性方面会有点问题

Python

Guido van Rossum 在 1991 年推出 Python，开源。Python 广泛用于数据科学范畴，今朝重要的版本是 3.6 和 2.7。

长处：

• Python 是一门主流编程说话，有着广泛的在线支撑
• 入门友爱，易于进修
• 有诸如 pandas，scikit-learn 和 Tensorflow 如许优良的 package

缺点：

• Python 作为动态说话，比 Java 还慢，并且轻易出现类型缺点
• 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 更好的替代筹划

小结：Python 是数据科学中很好的选择，并且，Google 的 TensorFlow 使得机械进修框架都偏向于Python

SQL

SQL 是构造化萌芽说话，用于存取数据以及萌芽、更新和治理关系数据库体系

小结：潜力无穷，但就今朝而言，还不如 R 和 Python 一样成熟稳定

长处：

• 在萌芽、更新和治理关系数据库方面异常有效
• 易读。类似如许的语句根本不会有歧义：SELECT name FROM users WHERE age > 18
• SQLAlchemy 等模块使 SQL 与其他说话的集成变得简单清楚明了

缺点：

• 分析功能相当有限
• SQL有很多不合的实现，如 PostgreSQL，SQLite，MariaDB。他们都是不合的，操作起来竽暌剐点麻烦。

小结：SQL 作为数据处理说话比作为高等分析对象更有效

Java

长处：

• JIT(just-in-time)说话，机能优胜，还供给像 Python 等解释说话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，并且 Julia 文档的中文翻译优良(因为核心组有个中国人哈哈哈)

Java 具有简单性、面向对象、分布式、结实性、安然性、平台自力与可移植性、多线程、动态性等特点，今朝由 OSracle Corporation 支撑。

长处：

• 应用广泛，很多体系和应用都用 Java 写后端，可以或许将数据科学办法直接持续到现有的代码库
• 结实。对于重要义务的大年夜数据应用，这点很宝贵
• 合适编写高效的 ETL 临盆代码和计算密集型机械进修算法

缺点：

• 对于专用的统计分析，Java 的冗长度不合适作为首选。不过动态类型的脚本说话(如 R 和 Python)可以进步临盆率
• 与 R 如许特定范畴的说话比拟，Java 中没有大年夜量可用于高等统计办法的库

小结：Java 其实不推荐作为数据科学说话的首选，尽管它能将数据科学代码无缝接入现有代码库，并且机能和安然性也是它的优势。然则作为开辟者，应用 Java 就意味着没有其他说话特定的包可用。

　　推荐阅读

　　Android Input子系统：Input进程的创建，监听线程的启动

大年夜我小我的懂得来看，Android的Input体系其实就是体系级的事宜处理、分发框架，它须要的功能模块大年夜致有：事宜攫取、事宜分类、事宜分发。那么我们就大年夜全部Input体系的输入源入手，懂得事宜>>>详细阅读

本文标题：掌握数据科学应该学习哪些语言？

地址：http://www.17bianji.com/lsqh/37310.html

 1/2    1