入門數據分析,我應該學習什么編程語言

很多時候，當和人們討論怎么開始學習數據科學，一個疑惑總是出現在我們面前：
    我不知道應該學什么編程語言。

不僅僅是編程語言，這還包括軟件系統，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。數年前，我剛開始把目光集中于數據科學的時候，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，但是實在是在數據分析方面沒有優勢的語言，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據科學博客）去使用復雜一點的工具，例如UNIX的AWK和SED（不用擔心你對這兩個沒有任何印象，因為你沒有必要學，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習什么變得非常困難。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，頂多陪伴你數年。

讓我把這堆話簡化吧：先學R語言

集中在一種語言上

在介紹給你為何要學R之前，我需要和你強調的是你應該在開始學習數據科學的時候，學一項語言。

就像我在SHARPSIGHT LAB寫的R語言新手教程一樣，我被數個人問了為何不同時去學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。
    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上，而非語法上。你要了解如何理解數據以及怎么用這數據科學的工具去解決問題?？偠灾?，我認為r是最佳的做這個的編程語言。
    學習R

不做保留地，我仍然推薦你應該學習R作為你的第一項數據科學編程語言。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即將變成數據科學里的“國際話”
    R即將成為數據科學里的“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做了一個調查于2014年，從而了解各種數據學家愛用的工具，他們發現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于編程語言的普及度（不僅僅從數據學家的人群里計算）例如，REDMONK使用驗證討論（在STACK OVERFLOW上）和計算使用次數（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，算是在統計學的語言中最高者。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測定）便表現了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，當你看著這些數據，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在數個最好的招聘數據學家的公司里被重用。谷歌和臉書——我認為的最好的兩個在我們現代經濟里存活下來的公司——同樣都有數據學家使用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。那是一個臉書的數據學家開的，而他的博客上寫的R語言十分出色）
    就像分析學的進步于目前所說那樣，“R也是作為微軟公司的數據科學家們的選擇，當他們用BING，AZURE，OFFICE， 還有銷售，市場經營以及經濟建筑的時候常能看到它的身影。
    那些技術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在學術界的流行
    R不僅僅是企業的工具。也是在學術領域的科學家和研究者的寵兒。最近一份文件展示了R在調查中展示出來的情況——
    R在學術領域的重要性體現在其培養出來的技術表現出了企業范兒。
    另一種說法，如果學院頂尖的人在他們學習的時候訓練R語言的用法，那么在企業就業的領域，R的重要性就會上升。這種學術界的，圍繞于博士間的，研究者的支持會讓他們在下海經商的時候創造自己對人的用R的方法。
    更值得一提，作為數據科學的前線，忙于事務的數據工作者會需要和更多的學院派科學家接觸，我們將會借助他們的技術以及和他們共享創意。就像我們建設和栽種并且將這個世界變成數據流一樣，學術科技和基于事務的數據科學總能連成一條模糊的橋梁。
    認識到R里面最簡單的是數據科學的技能
    R的熱門并非是學習它的唯一理由。
    非常重要的是，如果你真的想掌握數據科學，那么你應該學這些核心的技術領域。數據操縱，數據視覺化，機械性學習。
    選擇語言時，你應該保證它有同時能適應這三項領域的能力。你需要工具去完成這些事就像你認真地學習你選擇的語言一樣。
    就像我說的，你要集中于進程和技術方面，而不是語法。
    你需要學會怎么思考解決方法。
    你需要學會發現內在的數據。
    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的學習之路上十分輕松，比學別的更輕松。
    數據匯總
    有句話常說，八成的數據科學工作都是操縱數據，無論是否有這么多，你都要去做，用非常多的時間去做。把數據加工成你想要的形狀，而R有著最佳的工具幫你實現。
    Dpylr包可以讓你的數據操作變得很簡易，這是我幾年來一直常用的。當你活用起來的時候你會漂亮地完成數據流的。
    數據可視化
    Ggplot2作為最好的年度數據可視化工具之一。而它的絕妙之處在當你學了語法之后你也就懂得了如何做到數據可視化了。
    我說過很多次，所有定型了的視圖都有著深層的共同結構。而這個包正是基于這個結構，學會了，你就懂了。
    還有，當你把這兩個組合起來的時候，這項工作將會變得事半功倍。
    機械式學習

最后，來到了這個部分。雖然我認為初學者應該等陣子才開始學（畢竟數據探索更加重要），但還是很重要，當你發現數據探索阻擋住你前進腳步的時候，你就需要新家伙了。
當你準備好學這個之后，R有些東西適合你。
    學更多的工具和知識！
    先弄清楚，你要學習更多的語言，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對所有情況的。而當你精通R的這三樣利器之時，你也就到了學習別的語言去對應各種場合問題的時候。
    這里給你個學完R之后其他選擇的快速瀏覽
    .Python
    這是個非常好的多任務編程語言而你應該在某些場合里用它。根據ORELLy的近期調查顯示，這語言是第二熱門的（在數據科學家中），它擁有非常好的可視化工具，也有很好的機械化學習能力，對于大多數人，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，這是用來做非常優美的數據可視化工具，但是制作出來的東西并不會分析其中產生的冗余和各種情況，當你有非常多的對應客戶端包含著新分析和近場聯系
    我非常樂觀。對于所說的GGVIS會讓R的用戶做出高質量而美觀可以互動的可視化。所以有的時候，R用戶可以學GGVIS代替。Summary: LearnR, and focus your efforts

所以詳細斟酌，挑好語言，當你開始的時候，R幾乎是最好的選擇，還有，要非常認真地學習技術。

另外，學習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和工具的表現和闡述，只要看這些人們做的可視化數據和組織?？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，你要畫上數個月去深入學習一個工具。然后就像我說的，你確實需要建立起完整的技術于數據科學的洪流上。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雜的數據探索（用R）在你開始更深層的學習之前花100小時在R會學到比各自10小時在不同工具上學的好。最好，你的時間利用會因為你對目的的關心而非常高。不要被些吸引人的東西迷惑了。