从全方位为你比较3种数据科学工具的比较：Pyt

关于三种数据科学工具Python、R和SAS，本文从8个角度进行比较分析并在文末提供记分卡，以便你随时调整权重，快速做出选择。

简介

我们喜欢比较!

从比较三星、苹果、HTC的智能手机，iOS、Android、Windows的移动操作系统到比较即将选举的选举候选人，或者选择世界杯队长，比较和讨论丰富了我们的生活。如果你喜欢讨论，你所要的就是在一个充满激情的群体中抛出一个相关问题，然后看着它爆炸式地发展!这个过程的美妙之处在于，社区里的每个人都是一个知识渊博的人。

我在这里也引发类似的讨论，比较SAS、R和Python。SAS和R孰好孰坏可能是数据科学领域的最大争论，而Python是目前发展最快的语言之一，自其诞生以来，已经走过很长的路。我开始这个讨论的原因并不是想看它爆炸(不过那也很有趣)，而是知道我们都会从讨论中受益。

这也是我在这个博客上最常见的问题之一，所以我会和所有的读者、访客一起讨论这个问题。

SAS

https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-business-analyst-sas/

https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-r-data-science/

数据科学领域

https://courses.analyticsvidhya.com/courses/introduction-to-data-science-2?utm_source=blog&utm_medium=PythonvRvSASarticle

Python

https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-Python/

关于这个话题不是已经说了很多了吗?

可能是的，但我仍然觉得有必要谈论，原因如下：

数据科学行业是一个充满活力的行业，两年前进行的任何比较都有可能和数据科学不再相关。

传统上，Python不在比较范围内，但现在我认为这不仅仅是一个值得考虑的问题。

在我即将讨论语言全球趋势的同时，我将添加有关印度分析行业(处于不同发展水平)的特定信息。

所以，不要再拖延了，让讨论开始吧!

背景

以下是对3种数据科学工具的简要描述：

SAS：毋庸置疑，SAS一直是商业分析领域的市场领导者。该软件提供了大量的统计功能，具有良好的图形用户界面(Enterprise Guide&Miner)，便于人们快速学习，并提供出色的技术支持。然而，最终它成为最昂贵的选择，还不具备丰富的最新统计功能。

R:R是SAS的开源版本，传统上用于学术和研究。由于其开源特性，最新的统计功能很快就会发布，而且互联网上有很多学习文档，R是一个非常划算的选择。

Python：Python作为一种开源语言，它的使用与日俱增。如今，它的扩展程序库(numpy、scipy和matplotlib)和功能几乎可以用于您可能想要进行的任何统计操作/模型构建。自从引入panda后，它在结构化数据操作方面变得非常强大。

比较属性(比较角度)

我将在以下8个属性上比较这些语言：

1. 可用性/成本
2. 易学性
3. 数据处理能力
4. 图形功能
5. 工具进展
6. 工作情形
7. 深度学习支持
8. 客户服务支持和社区

我从分析师的角度比较这些，所以，如果你想为公司购买一个工具，你可能无法在这里得到完整的答案，但下面的信息仍然有用。对这三种工具，我就每个比较属性进行评分(1–低;5–高)。

这些比较属性的权重取决于你从事的职业和抱负。

1.可用性/成本

SAS是一种商业软件，很昂贵，对于大多数专业人员(以个人身份)来说仍然遥不可及。然而，它在私营机构中占有最高的市场份额。因此，除非您所在的组织购买了SAS，否则可能很难接触它。虽然，SAS提供了一个免费的大学版本，可以使用Jupyter笔记本，但它仍有一些限制!

另一方面，R&Python是完全免费的。以下是我在这个参数上的评分：

SAS – 3
R – 5
Python – 5

2.易学性

SAS很容易学习，并且为已经了解SQL的人提供了简单的选项(PROC

-SPL)。即使不这样，它的知识库中也有一个很好的、稳定的图形用户界面。在资源方面，各个大学的网站上都有教程，SAS有一个全面的文档。有来自SAS培训机构的认证，但需要花钱才能获得。

在这里列出的3种工具中，R的学习曲线最陡，因为需要你学习和理解编码。R是一种低级编程语言，因此简单的过程可能需要较长的代码。

SQL

https://www.analyticsvidhya.com/blog/2015/03/basics-sql-rdbms/

proc-sql

https://www.analyticsvidhya.com/blog/2015/04/data-exploration-sas-data-step-proc-sql/

Python在编程领域以其简单性而闻名，这对于数据分析也是如此。虽然到目前为止还没有广泛使用的图形界面，但我希望Python notebooks会越来越成为主流，这会为文档和共享提供了很棒的功能。

SAS – 4.5
R – 2.5
Python – 3.5

3.数据处理能力

在过去，这一直是SAS的优势。R在内存(RAM)中进行所有的计算，因此计算受到32位机器上RAM数量的限制，但情况不再是这样了。这三种工具都具有良好的数据处理能力和并行计算选项，我觉得这不再是一个很大的区别。他们都可以集成Hadoop和Spark集成，同时也支持Cloudera和ApachePig。

SAS – 4
R – 4
Python – 4

4.图形功能

SAS具有良好的功能图形功能，然而，只是功能性的。任何对绘图的自定义都是困难的，需要你理解复杂的SAS图形(程序扩展)包。

R和Python都具有非常高级的图形功能，有许多软件(程序扩展)包将为您提供高级图形功能。

现在，随着这两种工具都引入plotly并且Python引入了Seaborn，自定义绘图变得前所未有的简单。

SAS – 3
R – 4.5
Python – 4.5

5.工具进展

这3个工具都具有最基本基本和最需要的所有功能，只有在研究最新的技术和算法时，这个特性才重要。

由于其开放性，R&Python可以快速获得最新特性，而SAS在新版本的推出中更新了其功能。由于R在学术界广泛应用，因此新功能的发展很快。

尽管如此，SAS在受控环境中发布更新，因此它们经过了很好的测试。另一方面，R&Python是开放的，在最新功能的开发中有出错的可能。

SAS – 4
R – 4.5
Python – 4.5

6.工作情形

在全球范围内，SAS仍然是市场领导者，大多数大型组织仍然在SAS上工作。另一方面，R/Python对于初创企业和寻求成本效益的公司来说是更好的选择。此外，据报告，在过去几年里，R/Python相关的工作数量有所增加。这是一个在互联网上广泛发布的趋势，显示了R和SAS工作数量的趋势。用于数据分析的Python工作与R工作具有类似或更高的趋势：

在下图中，蓝色代表R，橙色代表SAS