原作者 Sharp Sight Labs

編譯 CDA 編譯團(tuán)隊(duì)
本文為  CDA 數(shù)據(jù)分析師原創(chuàng)作品，轉(zhuǎn)載需授權(quán)

剛開始學(xué)習(xí)數(shù)據(jù)科學(xué)的人都會面對同一個(gè)問題：

不知道該先學(xué)習(xí)哪種編程語言。

不僅僅是編程語言，像Tableau，SPSS等軟件系統(tǒng)也是同樣的情況。有越來越多的工具和編程語言，很難知道該選擇哪一種。

事實(shí)是，你的時(shí)間有限。學(xué)習(xí)一門新的編程語言相當(dāng)于一項(xiàng)巨大的投資，因此在選擇語言時(shí)需要有戰(zhàn)略性。

很明顯，一些語言會給你的投資帶來很高的回報(bào)(付出的時(shí)間和金錢投資)。然而其他語言可能是你每年只用幾次的純粹輔助工具。

我給你的建議就是：先學(xué)習(xí)R語言

在說明為什么你應(yīng)該學(xué)習(xí)R語言之前，我想強(qiáng)調(diào)的是，在開始學(xué)習(xí)數(shù)據(jù)科學(xué)時(shí)，你應(yīng)該學(xué)習(xí)一種語言。

有些人問我是否應(yīng)該學(xué)習(xí)在學(xué)R語言的同時(shí)學(xué)習(xí)Python。我的答案基本上是否定的，除非你需要使用一種以上的語言，否則你應(yīng)該選擇一種語言進(jìn)行學(xué)習(xí)。

專注于一種編程語言的原因是，你需要更多地關(guān)注過程和技術(shù)，而不是語法。你需要掌握如何通過數(shù)據(jù)科學(xué)工具來分析數(shù)據(jù)，以及如何解決問題。事實(shí)證明，R語言是最佳的選擇。

我建議你將R語言作為你的第一個(gè)“數(shù)據(jù)科學(xué)編程語言”。雖然也有例外，比如特定的項(xiàng)目需要。

因?yàn)镽語言正在成為數(shù)據(jù)科學(xué)的“通用語言”

這并不是說R語言是唯一的語言，也不是說它是每個(gè)工作的最佳工具。然而，它是使用最廣泛的，而且越來越受歡迎。

O' reilly media在過去幾年中進(jìn)行了一系列數(shù)據(jù)科學(xué)調(diào)查，分析了數(shù)據(jù)科學(xué)趨勢。在2016年的調(diào)查報(bào)告中，R語言是最常用的編程語言(如果排除SQL的話，在本文中它不能稱為編程語言)。57%的調(diào)查人群使用R語言(使用Python的比例為54%)。

另一個(gè)常見的語言排名系統(tǒng)是Redmonk編程語言排名，它由GitHub(代碼行)和Stack Overflow(標(biāo)簽數(shù))的流行指數(shù)派生而來。截至2016年11月，R語言在所有編程語言中排名第13。此外，R語言多年來一直呈持續(xù)上升趨勢:

此外還有TIOBE指數(shù)（按搜索引擎搜索次數(shù)對編程語言進(jìn)行排名）。在TIOBE指數(shù)上，R語言十年來呈現(xiàn)出穩(wěn)定上升趨勢。

在招聘數(shù)據(jù)科學(xué)家的幾家頂級公司中，R語言使用程度非常高。在我認(rèn)為現(xiàn)代經(jīng)濟(jì)中最優(yōu)秀的兩家公司——Google和Facebook 都有使用R語言數(shù)據(jù)科學(xué)家。

除了像Google，F(xiàn)acebook和微軟這樣的科技巨頭，R語言在美國銀行，福特，TechCrunch，Uber和Trulia等眾多公司都有廣泛的應(yīng)用。

R語言不僅僅是一個(gè)行業(yè)工具。它在學(xué)術(shù)科學(xué)家和研究人員中也非常受歡迎，最近著名《自然》雜志上發(fā)表的R語言概況也證實(shí)了這一點(diǎn)。

R語言在學(xué)術(shù)界的備受歡迎，因?yàn)樗鼊?chuàng)造了供應(yīng)行業(yè)的人才庫。

換句話說，如果最優(yōu)秀、最聰明的人群在大學(xué)學(xué)習(xí)了R語言，這將加大R語言在行業(yè)中的重要性。當(dāng)學(xué)者、博士和研究人員離開學(xué)術(shù)界從事商業(yè)活動時(shí)，他們又將產(chǎn)生對R語言人才的需求。

此外，隨著數(shù)據(jù)科學(xué)的成熟，商業(yè)屆的數(shù)據(jù)科學(xué)家將需要與學(xué)術(shù)屆的科學(xué)家進(jìn)行更多的溝通。我們需要借鑒技術(shù)和交流觀點(diǎn)。隨著世界轉(zhuǎn)變?yōu)閿?shù)據(jù)流時(shí)，學(xué)術(shù)科學(xué)與面向商業(yè)的數(shù)據(jù)科學(xué)之間的界線會變得模糊。

然而，R語言的普及性并不是學(xué)習(xí)R語言的唯一原因。

在選擇語言時(shí)，你需要一種在這些領(lǐng)域都具有重要功能的語言。同時(shí)你需要執(zhí)行這些任務(wù)的工具，以及在你所選語言中來學(xué)習(xí)這些技能的資源。

如上所述，你更多地需要關(guān)注流程和技術(shù)，而不是語法。

你需要學(xué)習(xí)如何解決問題。

你需要學(xué)習(xí)如何在數(shù)據(jù)中找到真知灼見。

為此，你需要掌握數(shù)據(jù)科學(xué)的3個(gè)核心技能領(lǐng)域：數(shù)據(jù)處理，數(shù)據(jù)可視化和機(jī)器學(xué)習(xí)。在R語言中掌握這些技能將比任何其他語言都容易。

一般來說，數(shù)據(jù)科學(xué)中80%的工作都是數(shù)據(jù)處理。通常情況下，你需要花費(fèi)大量時(shí)間來整理你的數(shù)據(jù)。R語言中有一些很棒的數(shù)據(jù)管理工具。

R語言中的dplyr包使數(shù)據(jù)處理變得容易，這可以大大簡化數(shù)據(jù)處理的工作流程。

ggplot2是最佳的數(shù)據(jù)可視化工具之一。ggplot2的好處是，在學(xué)習(xí)語法的同時(shí)，還學(xué)習(xí)如何思考數(shù)據(jù)可視化。

所有的統(tǒng)計(jì)可視化都有很深層的結(jié)構(gòu)。存在構(gòu)建數(shù)據(jù)可視化的高度結(jié)構(gòu)化框架，ggplot2基于該框架。

此外，當(dāng)將ggplot2和dplyr組合在一起時(shí)，從數(shù)據(jù)中得出相關(guān)見解幾乎毫不費(fèi)力。

最后，還有機(jī)器學(xué)習(xí)。雖然我認(rèn)為大多數(shù)數(shù)據(jù)科學(xué)初學(xué)者不應(yīng)該急于學(xué)習(xí)機(jī)器學(xué)習(xí)（首先掌握數(shù)據(jù)探索更為重要），機(jī)器學(xué)習(xí)是一項(xiàng)重要的技能。當(dāng)數(shù)據(jù)探索不再帶來洞察力時(shí)，你則需要更強(qiáng)大的工具。

最終你會想學(xué)習(xí)更多的編程語言。就像工具箱中沒有一個(gè)最好的工具一樣，沒有一種編程語言能夠完美的解決你所有的數(shù)據(jù)問題。

以下是在學(xué)習(xí)R語言之后，你可以考慮學(xué)習(xí)的語言：

Python是一種值得考慮的多用途編程語言。在O'Reilly最近的調(diào)查中，Python是數(shù)據(jù)科學(xué)家中第二受歡迎的編程語言。它具有優(yōu)秀的可視化工具，以及機(jī)器學(xué)習(xí)工具。我認(rèn)為，對于大多數(shù)人來說Python是應(yīng)該學(xué)習(xí)的第二種語言。

我超愛D3。D3中創(chuàng)建的可視化效果很棒，而且D3可視化的交互性非常適合構(gòu)建儀表板。但它的伸縮性不夠好。對我來說，D3更像是一個(gè)“工匠的工具”，它非常適合構(gòu)建一個(gè)優(yōu)雅的數(shù)據(jù)可視化，但是在需要幾十個(gè)合作伙伴支持的情況下，手動創(chuàng)建這樣的東西是不可能的。

與此同時(shí)，我還樂觀地認(rèn)為，R語言的ggvis將允許R語言用戶創(chuàng)建高度動態(tài)和交互性的可視化，因此在某種意義上，R語言用戶需要學(xué)習(xí)R的ggvis而不是D3。

如果你是初學(xué)者，R語言是很好的選擇。同時(shí)需要專注于學(xué)習(xí)數(shù)據(jù)科學(xué)的技能。

在學(xué)習(xí)過程中，你可能會看到很多新技術(shù)和新工具，或者一些令人眼花繚亂的數(shù)據(jù)可視化。

看到其他人的成果（并發(fā)現(xiàn)他們正在使用不同的工具）可能會導(dǎo)致你想嘗試其他的東西。相信我：你需要集中注意力。你需要花上幾個(gè)月（或更長時(shí)間）才能真正投入到一個(gè)工具中。

如上所述，如果你確實(shí)希望在數(shù)據(jù)科學(xué)工作流程中提高技能。至少在數(shù)據(jù)可視化和數(shù)據(jù)處理方面，你得具備扎實(shí)的技能。

在R語言上花費(fèi)100個(gè)小時(shí)，將比在10個(gè)不同工具上各花費(fèi)10個(gè)小時(shí)得到更高的回報(bào)。最后，通過集中精力，你的時(shí)間回報(bào)率將更高。不要因?yàn)椤白钚拢铎诺氖挛铩倍中摹?/span>

原文鏈接：

https://www./why-you-should-learn-r-first-for-data-science/

▼