python与R(对比SAS)，我该选择哪一种工具？

介绍

咱们热衷于比较！

从智能手机中的三星，苹果和HTC，移动操做系统中的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，比较和讨论丰富了咱们的生活。若是你喜欢讨论，你须要作的就是在一个充满激情的论坛里抛出一个相关的问题，而后看着它发酵。这个过程的美妙之处就在于，论坛里的每一个人都是一个知识渊博的人。

那我在这里就抛出一个相似的话题—— SAS和R语言之争多是数据科学行业可能见证的最大争辩，而Python是如今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（虽然这也颇有趣），而是我知道咱们都会从讨论中受益。

这个问题也常常在博客中被人们讨论。因此，我想和你们一块儿讨论！

在这个问题上讨论的还不够多吗？

多是！ 因此我仍是以为有必要进行讨论，理由以下：

• 数据科学很是有活力，前两年进行的讨论可能与如今的状况没什么关联了。
• 传统观念里没有把python列做比较以内，我以为如今这是个很是值得深思的问题。
• 虽然咱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（处于不一样的发展水平）

好了，闲话少说，让咱们开始讨论吧！

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，具备良好的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，并不老是具备最新的统计功能。
• R：R是SAS的开源对应物，传统上用于学术和研究。因为其开源性质，最新技术能够快速发布。互联网上有不少相关文档，R是一个很是划算的选择。
• Python：做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加。今天，它集成一些库（numpy，scipy和matplotlib）和几乎全部你可能想作的统计操做/模型构建的功能。自从引入pandas以来，它在结构化数据的操做方面变得很是强大。

属性比较

我将在如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.工做场景

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。 所以，若是您正在为您的公司寻找要购买的工具，您可能没法在此得到完整的答案。可是如下信息仍然有用。 对于每一个属性，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一样。

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我的身份购买。可是，它在私人企业中拥有最高的市场份额。 所以，除非您在投资了SAS的机构中，不然可能很难接触到SAS。 尽管如此，SAS已经引入了一个能够免费访问的大学版，但它有一些局限性。在那里你也是可使用 Jupyter notebook的！

另外一方面，R＆Python是彻底免费的。如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）。 不只如此，它在其存储库中具备良好的稳定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培训机构出来是能够得到认证的，但它们也是须要一笔花费。

R在3种语言中具备最陡峭的学习曲线。它要求您学习和理解编码。R是低级编程语言，所以简单的过程可能须要较长的代码。

Python因其编程世界的简单性而闻名。 对于数据分析也是如此。，虽然目前尚未普遍的GUI界面，但我但愿Python notebooks会变得愈来愈主流。 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的优点。 R计算内存（RAM）中的每个单元，所以计算受到32位机器上的RAM数量的限制。 可是如今已再也不是这种状况。 这三种语言都具备良好的数据处理能力和并行计算选项。我以为这再也不是一个很大的区别。 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具备不错的功能图形功能。可是，它只是功能性的。对绘图进行任何自定义都很困难，须要您了解SAS Graph包的复杂性。R和Python具备很是先进的图形功能。 有许多软件包能够为您提供高级图形功能。随着Plotly被引入两种语言而且Python带有Seaborn，制做自定义绘图从未如此简单。

SAS - 3

R - 4.5

Python - 4.5

先进的工具

全部3个生态系统都具有全部基本和最须要的功能。 此功能仅在您处理最新技术和算法时才有意义。

因为其开放性，R＆Python能够快速得到最新功能。 另外一方面，SAS更新了其在新版本推出中的功能。 因为R在过去被普遍用于学术界，所以新技术的发展很快。

话虽如此，SAS在受控环境中发布更新，所以它们通过了充分测试。 另外一方面，R＆Python有开放的贡献，而且在最新的发展中存在错误的可能性。

SAS - 4

R - 4.5

Python - 4.5

工做场景

在全球范围内，SAS仍然是用于企业工做的市场领导者。大多数大公司仍在使用SAS。另外一方面，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上的工做数量在过去几年中有所增长。 这是一个在互联网上普遍发布的趋势，它显示了R和SAS工做的趋势。 用于数据分析的Python做业与R做业具备类似或更高的趋势：

下图显示了蓝色的R和橙色的SAS：

这个图表现了另外一个方面，蓝色的R与橙色的python：

总的来讲，语言的市场能够用下图表示：

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。 因此，若是你遇到麻烦，你就是靠本身。 你会获得不少帮助。另外一方面，SAS提供专门的客户服务与社区服务。 所以，若是您在安装或任何其余技术挑战方面遇到问题，能够与他们联系。

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，有不少工做要作。

另外一方面，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最近增长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

其余因素

如下是一些值得注意的问题：

• Python在Web开发中被普遍使用。 所以，若是您从事在线业务，使用Python进行Web开发和分析能够提供协同效应。
• 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）方面具备很大的优点，这已经经过在SAP HANA和Tableau等平台上集成/支持R而获得缓解。 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，咱们看到市场略微向Python倾斜。考虑到行业的动态性，投资将会占据优点。根据您的状况（职业阶段，财务等），您能够添加本身的权重，并提出可能适合您的权重。如下是一些具体方案：

• 若是您是进入分析行业的新手（特别是在印度），我建议您学习SAS做为您的第一语言。它易于学习，占有最高的就业市场份额。
• 若是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。这将为将来增长不少灵活性并开辟新的机会。
• 若是你是一个初创/自由职业者，R / Python更有用。

从战略上讲，须要更多实际操做帮助和培训的企业设置选择SAS做为选项。

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

因为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：