最近一直想入門數據分析的小伙伴問我，如果要入事數據分析一直來說要學那些語言呢？其實小編跟企業部門部門與侯選人接觸下來，給我的感覺是對于這個初級的數據分析師來，一般前二年做差不多都是老大讓你做的是處理臨時需求為主，如果小明給我做個報表，給市場部那邊拉一些流量情況，所以主要前兩年可能如果精通SQL與EXCEL再會點SPSS就差不多了，2年以后，老大會把一些:經營性分析需求與競品分析給你，這里你可能你要需求統計軟件，3年以后會讓你做一些會員營銷及其它的數據挖掘，這里一般說來如果是互聯網行業可能R語言是最為流行。因為R語言是開源的，所以互聯網企業很多在手還有一些通迅行業的咨詢公司，不過上手還是需要長期的學習；SPSS界面友好型，不過企業用正版也要很大一些數，不過一般是市場研究用的比較多，如果你會用SPSS編程其實功能還是比較強大的，建議如果想先練手可以學這個，上手快；SAS一般是金融企業特別是銀行業和醫學統計，銀行業人員有一些是用SAS做統計，一般是銀行業內部人做的，另一種是給銀行業做數據挖掘的公司,不過正版一年也要上百萬，不是土豪也用不起，聽說支付寶都不用，而是用R語言，而且SAS學習沒人指導很難學；

所以看小伙伴的選擇，想在傳統或者咨詢公司做的SPSS比較合適，想去金融特別是銀行業SAS不錯，想進互聯網公司學R語言可能是比較明智；

Twisted Python  觀點：Python在你列舉這些里面是綜合功能最強大的，但是這些功能分散在第三方庫里面，沒有得到有機的整合，相應的學習成本會較高。

Python與R不同，Python是一門多功能的語言。數據統計是更多是通過第三方包來實現的。

具體來說，我常用的Python在統計上面的Package有這樣一些

1.Numpy與Scipy。這兩個包是Python之所以能在數據分析占有一席之地的重要原因。其中Numpy封裝了基礎的矩陣和向量的操作，而Scipy則在Numpy的基礎上提供了更豐富的功能，比如各種統計常用的分布和算法都能迅速的在Scipy中找到。

2.Matplotlib。這個Package主要是用來提供數據可視化的，其功能強大，生成的圖標可以達到印刷品質，在各種學術會議里面出鏡率不低。依托于Python，可定制性相對于其他的圖形庫更高。還有一個優點是提供互動化的數據分析，可以動態的縮放圖表，用做adhoc analysis非常合適。

3.Scikit Learn。非常好用的Machine Learning庫，適合于用于快速定制原型。封裝幾乎所有的經典算法(神經網絡可能是唯一的例外，不過這個有Pylearn2來補充)，易用性極高。

4.Python標準庫。這里主要是體現了Python處理字符串的優勢，由于Python多功能的屬性和對于正則表達式的良好支持，用于處理text是在合適不過的了。

peng wang  觀點：Python是一套比較平衡的語言，各方面都可以，而R是在統計方面比較突出，可在處理海量數據可能就比較難勝認。

python與R相比速度要快。python可以直接處理上G的數據；R不行，R分析數據時需要先通過數據庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。Python=R+SQL/Hive

R的優勢在于有包羅萬象的統計函數可以調用，特別是在時間序列分析方面（主要用在金融分析與趨勢預測）無論是經典還是前沿的方法都有相應的包直接使用；相比python在這方面貧乏不少。 

Python的優勢在于其膠水語言的特性，一些底層用C寫的算法封裝在python包里后性能非常高效(Python的數據挖掘包Orange canve 中的決策樹分析50萬用戶10秒出結果，用R幾個小時也出不來，8G內存全部占滿)。