在巨大的數據集中進行篩選的最好工具是什么?通過和數據駭客的交流，我們知道了他們用于硬核數據分析最喜歡的語言和工具包。

R語言

在這些語言名單中，如果R語言排第二，那就沒其他能排第一。自1997年以來，作為昂貴的統計軟件，如Matlab和SAS的免費替代品，它漸漸風靡全球。

在過去的幾年時間中，R語言已經成為了數據科學的寵兒——數據科學現在不僅僅在書呆子一樣的統計學家中人盡皆知，而且也為華爾街交易員，生物學家，和硅谷開發者所家喻戶曉。各種行業的公司，例如Google，Facebook，美國銀行，以及紐約時報都使用R語言，R語言正在商業用途上持續蔓延和擴散。

R語言有著簡單而明顯的吸引力。使用R語言，只需要短短的幾行代碼，你就可以在復雜的數據集中篩選，通過先進的建模函數處理數據，以及創建平整的圖形來代表數字。它被比喻為是Excel的一個極度活躍版本。

R語言最偉大的資本是已圍繞它開發的充滿活力的生態系統：R語言社區總是在不斷地添加新的軟件包和功能到它已經相當豐富的功能集中。據估計，超過200萬的人使用R語言，并且最近的一次投票表明，R語言是迄今為止在科學數據中最流行的語言，被61%的受訪者使用(其次是Python，39%)。

此外，它的身影也漸漸出現在了華爾街。以前，銀行分析師會全神貫注于Excel文件直到深夜，但現在R語言被越來越多地用于金融建模R，特別是作為一種可視化工具，Niall O’Connor，美國銀行的副總裁如是說。 “R語言使我們平凡的表格與眾不同，”他說。

R語言的日漸成熟，使得它成為了數據建模的首選語言，雖然當企業需要生產大型產品時它的能力會變得有限，也有的人說這是因為它的地位正在被其他語言篡奪。

“R更適合于做一個草圖和大概，而不是詳細的構建，”Michael Driscoll，Metamarkets的首席執行官說。 “你不會在谷歌的網頁排名以及Facebook的朋友推薦算法的核心找到R語言。工程師會用R語言做原型，然后移交給用Java或Python寫的模型?！?/span>

話說回來，早在2010年，Paul Butler就以R語言打造了全球的Facebook地圖而著名，這證明了該語言豐富的可視化功能。盡管他現在已經不像以前那樣頻繁地使用R語言了。

“R正在一點點地過時，因為它的緩慢和處理大型數據集的笨重，”Butler說。

那么，他使用什么代替呢?請繼續閱往下看。

Python

如果說R語言是一個神經質又可愛的高手，那么Python是它隨和又靈活的表兄弟。作為一種結合了R語言快速對復雜數據進行挖掘的能力并構建產品的更實用語言，Python迅速得到了主流的吸引力。Python是直觀的，并且比R語言更易于學習，以及它的生態系統近年來急劇增長，使得它更能夠用于先前為R語言保留的統計分析。

“這是這個行業的進步。在過去的兩年時間中，從R語言到Python已經發生了非常明顯的轉變，”Butler說。

在數據處理中，在規模和復雜性之間往往會有一個權衡，于是Python成為了一種折中方案。IPython notebook和NumPy可以用作輕便工作的一種暫存器，而Python可以作為中等規模數據處理的強大工具。豐富的數據社區，也是Python的優勢，因為可以提供了大量的工具包和功能。

美國銀行使用Python在銀行的基礎架構中構建新的產品和接口，同時也用Python處理財務數據?！癙ython廣泛而靈活，因此人們趨之若鶩，”O’Donnell說。

不過，它并非最高性能的語言，只能偶爾用于大規模的核心基礎設施，Driscoll這樣說道。

Julia

雖然當前的數據科學絕大多數是通過R語言，Python，Java，MatLab和SAS執行的。但依然有其他的語言存活于夾縫中，Julia就是值得一看的后起之秀。

業界普遍認為Julia過于晦澀難懂。但數據駭客在談到它取代R和Python的潛力時會不由得眉飛色舞。Julia是一種高層次的，極度快速的表達性語言。它比R語言快，比Python更可擴展，且相當簡單易學。

“它正在一步步成長。最終，使用Julia，你就能夠辦到任何用R和Python可以做到的事情，”Butler說。

但是至今為止，年輕人對Julia依然猶豫不前。Julia數據社區還處于早期階段，要能夠和R語言和Python競爭，它還需要添加更多的軟件包和工具。

“它還很年輕，但它正在掀起浪潮并且非常有前途，”Driscoll說。

JAVA

Java，以及基于Java的框架，被發現儼然成為了硅谷最大的那些高科技公司的骨骼支架。 “如果你去看Twitter，LinkedIn和Facebook，那么你會發現，Java是它們所有數據工程基礎設施的基礎語言，”Driscoll說。

Java不能提供R和Python同樣質量的可視化，并且它并非統計建模的最佳選擇。但是，如果你移動到過去的原型制作并需要建立大型系統，那么Java往往是你的最佳選擇。

hadoop 和 Hive

一群基于Java的工具被開發出來以滿足數據處理的巨大需求。Hadoop作為首選的基于Java的框架用于批處理數據已經點燃了大家的熱情。Hadoop比其他一些處理工具慢，但它出奇的準確，因此被廣泛用于后端分析。它和Hive——一個基于查詢并且運行在頂部的框架可以很好地結對工作。

Scala

Scala是另一種基于Java的語言，并且和Java相同的是，它正日益成為大規模機器學習，或構建高層次算法的工具。它富有表現力，并且還能夠構建健壯的系統。

“Java就像是建造時的鋼鐵，而Scala則像黏土，因為你之后可以將之放入窯內轉變成鋼鐵，”Driscoll說。

Kafka 和 Storm

那么，當你需要快速實時的分析時又該怎么辦呢?Kafka會成為你的好朋友。它大概5年前就已經出現了，但是直到最近才成為流處理的流行框架。

Kafka，誕生于LinkedIn內部，是一個超快速的查詢消息系統。Kafka的缺點?好吧，它太快了。在實時操作時會導致自身出錯，并且偶爾地會遺漏東西。

“有精度和速度之間有一個權衡，”Driscoll說， “因此，硅谷所有的大型高科技公司都會使用兩條管道：Kafka或Storm用于實時處理，然后Hadoop用于批處理系統，此時雖然是緩慢的但超級準確?！?/span>

Storm是用Scala編寫的另一個框架，它在硅谷中因為流處理而受到了大量的青睞。它被Twitter納入其中，勿庸置疑的，這樣一來，Twitter就能在快速事件處理中得到巨大的裨益。

鼓勵獎

MatLab

MatLab一直以來長盛不衰，盡管它要價不菲，但它仍然被廣泛使用在一些非常特殊的領域：研究密集型機器學習，信號處理，圖像識別，僅舉幾例。

Octave

Octave和MatLab非常相似，但它是免費的。不過，它在學術性信號處理圈子之外很少見到。

GO

GO是另一個正在掀起浪潮的后起之秀。它由Google開發，從C語言松散地派生，并在構建健壯基礎設施上，正在贏得競爭對手，例如Java和Python的份額。