身為資料科學家，R、Python 與Julia 該怎麼選？ - 知勢

Julia 是一種動態程式語言，最初是為了滿足高效能的數值分析和科學計算而設計的。

為了達到效能的需求， Julia 具備即時編譯的效能。

換句話說，Julia 集結 ... 人工智慧發展如日中天，如何和電腦對話逐漸成為現代人必備的技能之一。

然而，程式語言百百種，如何選擇自己適合的工具就很重要。

這篇文章以一個資料科學家的觀點出發，分析當前熱門的三種程式語言，希望對讀者有所裨益。

在「資料分析工具那麼多，該怎麼選？🛠️」這一篇文章中，有稍微提及了資料科學的工具鏈與生態。

「做資料分析一定要寫程式嗎？」是許多分析人會面臨的抉擇與問題，程式的入門是相對比較高的門檻。

但隨著資料科學的演進，許多商業軟體都逐漸成熟。

從完整的套裝軟體到實現彈性比較強的程式來說，大概可以把常見的資料分析工具分成幾種類型：①BI工具②分析模型套裝軟體③程式語言①BI工具和②分析模型套裝軟體可以讓分析者花費較少的精力的程式的負擔上，對於非工程背景的人來說門檻比較低，更能夠專注在分析上。

不過相對來說，就會受限於工具的能力，不同工具可以提供的功能不完全相同。

運用③程式語言作為分析的工具，主要可以有更彈性的支援。

資料科學當中的程式語言「程式語言」是分析者的工具中擁有比較大的彈性與使用門檻的手段，想要怎樣的資料操作流程或模型方法都可以自己實現。

通常會有兩種情況是只有程式才能達到的：客製化的資料處理過程，例如資料很特別、或是數量很大使用最新或冷門的模型，套裝軟體沒有提供當然使用程式語言也不是要從零開始寫程式，現在也有很多第三方的工具可以讓分析更有效率也更方便。

不同的程式語言對於資料分析的支援程式也不同，以目前主要用於資料分析的程式語言主要有三個：基於統計學的R語言程式架構與分析生態完整的Python集結Python、R和C++一體的Julia基於統計學的R語言R語言一開始的設計就是基於「數學」，主要用於統計分析、資料分析的目的。

根據官網的介紹，R是一種用於統計運算與畫圖的語言與環境。

R當中提供了非常多種統計相關的方法，例如線性與分線性的模型、假設檢定、時間序列或是分類/分群等等。

另一個優勢是提供了高質量的圖表，也包含了數學符號和公式（蠻多論文都可以一眼看出R風格的圖表）。

開發R語言的創始者分別是紐西蘭奧克蘭的兩位統計學家RossIhaka和RobertGentleman，現在是由「R語言開發核心團隊」以開源的方式進行協作。

值得一提的是，R是S語言的一個GNU開源專案，跟S語言有高度的相容性。

S語言是統計研究當中的工具，而R則提供開源的方式提供開發。

R的特定是他以函數型編程（FunctionalProgramming）與統計分析作為設計理念，在程式當中的基本型態是以向量（Vector）和矩陣（Matrix）的概念為最小單位，是一種高度數學化的特性。

https://rlads2019.github.io/lecture/04/index.html#1另外介紹兩個重要的開發夥伴：RStudio和CRAN。

RStudio作為R最主要的編譯開發環境（IDE），CRAN（ComprehensiveRArchiveNetwork）是R當中的套件管理平台，收錄/維護了官方與第三方的套件提供下載。

程式架構與分析生態完整的PythonPython是一個作為各種開發使用的程式語言，直譯與強型別的程式語言。

Python支援多種開發的混合模型，包含物件導向（OOP）與函數式編程（FP）。

Python也可以作為Script語言使用，是一種膠水語言。

Python的設計哲學強調簡潔的語法，規定使用空格縮排的特性讓程式碼有較高的可讀與一致性。

網路上也流傳一句經典的話：「人生苦短，我用Python」來描述的Python的精妙之處。

Python的初始開發者是GuidovanRossum，第一版在1991年發布。

據說GuidovanRossum當時是「為了打發時間而開發Python」。

他在開發完Python之後先後在Google及Dropbox工作，前幾年短暫退休後覺得太無聊近期又加入了MicroSoft。

Python僅僅作為一個程式的話，是難以扛起資料分析當中的數學底子。

那為什麼Python會在數據分析當中扮演一席之地呢？原因是Python的另外一個優點是擁有強大的開源生態，在Python當中的套件幾乎無奇不有，絕大部分的資訊工作都可以看到Python的身影。

在資料分析當中有Numpy和Pandas打下了Python在數學與資料的重要元件之後，也奠定了Python的地位-具有程式架構與數據分析的整合。

除此之外也陸續發展出各種套件：Python的資料分析生態系資料收集：Request、beatifulsoup、Scrapy資料前處理與科學計算：NumPy、SciPy、Pandas資料視覺化：Matplotlib、Seaborn、Bokeh、Plotly模型訓練：Statsmodels、SciKit-Learn、xgboost深度學習：TensorFlow、Pytorch、Keras自然語言與文本資料處理：NLTK、Gensim集結Python、R和C++一體的JuliaJulia是一種動態程式語言，最初是為了滿足高效能的數值分析和科學計算而設計的。

為了達到效能的需求，Julia具備即時編譯的效能。

換句話說，Julia集結Python的簡潔、R的數學特性與C++的效能於一體。

而在資料分析方面，Julia也支援許多科學分析套件與機器學習的套件，例如醫療、AR擴增實境、基因組學及風險管理等領域。

原始的三位設計者分別是JeffBezanson、StefanKarpinski以及ViralB.Shah與AlanEdelman教授指導，最早是從MIT的JuliaLab所發展。

Julia語言是全球熱度上升最快的程式語言之一，2012年正式公開此計畫，也在2018由MIT實驗室正式發布了Julia1.0。

Julia官網身為分析工作者，應該如何選擇呢？從最新一期TIOBE的程式語言排行來看，Python跟R都持續的在熱門的名單當中。

去年Python超過C++達到了第三名，而後續幾個月也持續上升。

值得觀察的是Java在的百分比持續往下（五月時第一名的被C取代），而穩定上升的Python也持續逼近Java。

R語言也在七月的時候，因為武漢肺炎疫苗研發需求而網上，達到Tiobe排名新高第八名，目前也維持在前十名內。

Julia從2016首次進入前五十名的行列之後持續的往前，今年從去年的三十名進入的第二十六的位置。

TIOBE另外一個我們來看StackOverflowTrends，不管放在一起比較討論量：或是分開看趨勢：基本上你會發現這個Python網上趨勢還是蠻明顯的而Julia的討論還是相對有限。

R、Python與Julia號稱是資料科學的三大程式語言，而他們也有各自的優缺點與一席之地。

R有著原生統計特性的優勢、對於各種數值運算與分析模型可以完美的結合，而Python加上適合的套件提供一個強大完善的數據分析程式生態系。

近期由MIT所引領的Julia更號稱是結合Python、C++、R於一體的新程式語言，搭著資料分析新女神的名號橫空出世。

那麼在2020這個時間點，想踏入資料分析領域的我們究竟該如何選擇呢？就我自己的觀點來看：目前看起來Python是首選、有些比較專業的統計方法可以考慮R，至於Julia還要觀望一下。

原文刊登於：資料科學家的工作日常 張維元 ALPHACamp資料工程師 擅長網站開發與資料科學的雙棲工程師，熟悉的語言是Python跟JavaScript。

同時也是程式社群JSDC核心成員及資料科學家的12堂心法課計畫發起人。

擁有多次國內大型技術會議講者經驗及獎項，持續在不同的平台發表對#資料科學、#網頁開發或#軟體職涯相關的分享。