在大數據分析/挖掘領域，哪些編程語言應用最多？

01-25

大數據越來越火，想了解下載這個行業領域，哪些編程語言有其他語言所不具備的優勢？是python？還是R？

每個產業都有如洪水般傾瀉的信息，面對上萬筆的顧客瀏覽紀錄、購買行為數據，如果要用 Excel 來進行數據處理真是太不切實際了，Excel 相較於其他統計軟體的功能已相去甚遠;下面幾個程序應該要有一定的認識

R語言的好處在於它簡單易上手；

Python 結合了 R 的快速、處理複雜數據採礦的能力以及更務實的語言等各個特質，迅速地成為主流，Python 比起 R，學起來更加簡單也更直觀，而且它的生態系統近幾年來不可思議地快速成長，在統計分析上比起 R 功能更強。

今日大多數的數據科學都是透過 R、Python、Java、Matlab 及 SAS 為主，但仍然存在著鴻溝要去彌補，而這個時候，新進者 Julia 看到了這個痛點。 Julia 是個高階、不可思議的快速和善於表達的語言，比起 R 要快的許多，比起 Python 又有潛力處理更具規模的數據，也很容易上手。

Java 沒有和 R 和 Python 一樣好的可視化功能，它也不是統計建模的最佳工具，但是如果你需要建立一個龐大的系統、使用過去的原型，那 Java 通常會是你最基的選擇。

Scala

又是另一個以 Java 為基礎的語言，和 Java 很像，對任何想要進行大規模的機械學習或是建立高階的演算法，Scala 會是逐漸興起的工具。它是善於呈現且擁有建立可靠系統的能力。

Matlab

Matlab 可以說是歷久不衰，即使它標價很高;在非常特定的利基市場它使用的相當廣泛，包括密集的研究機器學習、信號處理、圖像辨識等等。

ethink大數據一站式平台 http://www.ethinkbi.com

java

生態圈好是優勢，其次要解決大規模異構機器集群計算與管理。

數據挖掘，Python不二選擇，如果數據體量相當龐大，用java

其實javascript也不錯

比python分析快30%

比java開發業務效率高

更新一下答案——

之前我提到用R，後來我自己也覺得有點撐不住，應該是技術不行吧。還是建議往Python方向發展。

Python不局限於數據分析，還有許多其他用途，有利於拓展視野。同時如果把它作為一門入門語言，它的簡潔性、嚴格的縮進、豐富的第三方庫都能幫助初學者很好地入門。

傳送一個在數據分析、挖掘方面，有哪些好書值得推薦？ - 書籍推薦

肖大神推薦的書籍都可以參考，其中有不少優秀教材，都是以Python作為編程工具的，比Machine Learning 和 Natural Language Processing 的最經典教材，都烙下了Python的印記。

這學期剛上過《數據挖掘》課，老師推薦的編程語言是C++，其次是Java。我們自己用得比較多的是Python和Java，這裡只說下Python和Java，R目前還沒用過。個人感受：

Python和Java上手相對較快，對編程能力要求不是非常高，編程效率相對較高，能夠更「優雅」、更快速去實現一個原型；
性能方面，Java的JIT優化使得性能幾乎可以趕上C++了；
二者的平台移植性都不錯；
Python在數據挖掘方面有比較專業和全面的庫支持，也是編程效率較高的一個原因；
處理基於Hadoop/Spark的大數據業務時，Java有先天優勢，Hadoop對Java支持最全面

…

傳送門：大數據處理需要用到的九種編程語言 -- 數據挖掘與數據分析

首先是linux shell，awk作為數據處理統計工具，可以解決超過80%的數據分析需求，並且在執行效率上也極大的超過python，

但python豐富的第三方庫，包括numpy，pandas等為開發提供便利，處理標準更加規範。

取決於你想往哪方面發展了，如果是往大數據基礎架構，並行計算這些技術方向發展c++,java都是不錯的選擇，對網路，分散式，操作系統這些也要非常精通，練內功。如果想往數據分析挖掘這些應用方向發展，sql,python, R比較適合,另外個人感覺應用這塊對業務的了解，數據敏感性也很重要。最後，演算法這塊無論是對技術還是應用都比較重要，區別只不過是不同類型的演算法而已。

SQL才是無往不利的工具，無論你是要建模還是做分析，都逃不掉前期的數據處理，一旦格式化以後，無論你用shell還是用R，或者用Python裡面的Pandas都比不上SQL直接和方便(或者Java？？？寫個join都是要吐血)

當然，格式化之前那是什麼工具都可以用的，優先順序shell&>Python&>R&>Java