剛開始學習資料科學的人都會面對同乙個問題：
不知道該先學習哪種程式語言。
不僅僅是程式語言，像tableau，spss等軟體系統也是同樣的情況。有越來越多的工具和程式語言，很難知道該選擇哪一種。
事實是，你的時間有限。學習一門新的程式語言相當於一項巨大的投資，因此在選擇語言時需要有戰略性。
很明顯，一些語言會給你的投資帶來很高的回報(付出的時間和金錢投資)。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：先學習r語言
專注於一種語言
在說明為什麼你應該學習r語言之前，我想強調的是，在開始學習資料科學時，你應該學習一種語言。
有些人問我是否應該學習在學r語言的同時學習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，否則你應該選擇一種語言進行學習。
學習r語言
我建議你將r語言作為你的第乙個「資料科學程式語言」。雖然也有例外，比如特定的專案需要。
因為r語言正在成為資料科學的「通用語言」
這並不是說r語言是唯一的語言，也不是說它是每個工作的最佳工具。然而，它是使用最廣泛的，而且越來越受歡迎。
o' reilly media在過去幾年中進行了一系列資料科學調查，分析了資料科學趨勢。在2023年的調查報告中，r語言是最常用的程式語言(如果排除sql的話，在本文中它不能稱為程式語言)。57%的調查人群使用r語言(使用python的比例為54%)。
另乙個常見的語言排名系統是redmonk程式語言排名，它由github(**行)和stack overflow(標籤數)的流行指數派生而來。截至2023年11月，r語言在所有程式語言中排名第13。此外，r語言多年來一直呈持續上公升趨勢:
此外還有tiobe指數(按搜尋引擎搜尋次數對程式語言進行排名)。在tiobe指數上，r語言十年來呈現出穩定上公升趨勢。
使用r語言的公司
在招聘資料科學家的幾家頂級公司中，r語言使用程度非常高。在我認為現代經濟中最優秀的兩家公司——google和facebook 都有使用r語言資料科學家。
除了像google，facebook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用。
r語言在學術界很受歡迎
r語言不僅僅是乙個行業工具。它在學術科學家和研究人員中也非常受歡迎，最近著名《自然》雜誌上發表的r語言概況也證實了這一點。
r語言在學術界的備受歡迎，因為它創造了**行業的人才庫。
換句話說，如果最優秀、最聰明的人群在大學學習了r語言，這將加大r語言在行業中的重要性。當學者、博士和研究人員離開學術界從事商業活動時，他們又將產生對r語言人才的需求。
此外，隨著資料科學的成熟，商業屆的資料科學家將需要與學術屆的科學家進行更多的溝通。我們需要借鑑技術和交流觀點。隨著世界轉變為資料流時，學術科學與面向商業的資料科學之間的界線會變得模糊。
通過r語言學習「資料科學的技能」是最簡單的
然而，r語言的普及性並不是學習r語言的唯一原因。
在選擇語言時，你需要一種在這些領域都具有重要功能的語言。同時你需要執行這些任務的工具，以及在你所選語言中來學習這些技能的資源。
你需要學習如何解決問題。
你需要學習如何在資料中找到真知灼見。
為此，你需要掌握資料科學的3個核心技能領域：資料處理，資料視覺化和機器學習。在r語言中掌握這些技能將比任何其他語言都容易。
資料處理
一般來說，資料科學中80%的工作都是資料處理。通常情況下，你需要花費大量時間來整理你的資料。r語言中有一些很棒的資料管理工具。
r語言中的dplyr包使資料處理變得容易，這可以大大簡化資料處理的工作流程。
資料視覺化
ggplot2是最佳的資料視覺化工具之一。ggplot2的好處是，在學習語法的同時，還學習如何思考資料視覺化。
所有的統計視覺化都有很深層的結構。存在構建資料視覺化的高度結構化框架，ggplot2基於該框架。
此外，當將ggplot2和dplyr組合在一起時，從資料中得出相關見解幾乎毫不費力。
機器學習
最後，還有機器學習。雖然我認為大多數資料科學初學者不應該急於學習機器學習(首先掌握資料探索更為重要)，機器學習是一項重要的技能。當資料探索不再帶來洞察力時，你則需要更強大的工具。
之後再學習更多的語言和工具
最終你會想學習更多的程式語言。就像工具箱中沒有乙個最好的工具一樣，沒有一種程式語言能夠完美的解決你所有的資料問題。
以下是在學習r語言之後，你可以考慮學習的語言：
python
python是一種值得考慮的多用途程式語言。在o'reilly最近的調查中，python是資料科學家中第二受歡迎的程式語言。它具有優秀的視覺化工具，以及機器學習工具。我認為，對於大多數人來說python是應該學習的第二種語言。
d3
我超愛d3。d3中建立的視覺化效果很棒，而且d3視覺化的互動性非常適合構建儀表板。但它的伸縮性不夠好。對我來說，d3更像是乙個「工匠的工具」，它非常適合構建乙個優雅的資料視覺化，但是在需要幾十個合作夥伴支援的情況下，手動建立這樣的東西是不可能的。
與此同時，我還樂觀地認為，r語言的g**is將允許r語言使用者建立高度動態和互動性的視覺化，因此在某種意義上，r語言使用者需要學習r的g**is而不是d3。
總結：學習r語言，並集中精力
如果你是初學者，r語言是很好的選擇。同時需要專注於學習資料科學的技能。
在學習過程中，你可能會看到很多新技術和新工具，或者一些令人眼花繚亂的資料視覺化。
看到其他人的成果(並發現他們正在使用不同的工具)可能會導致你想嘗試其他的東西。相信我：你需要集中注意力。你需要花上幾個月(或更長時間)才能真正投入到乙個工具中。
如上所述，如果你確實希望在資料科學工作流程中提高技能。至少在資料視覺化和資料處理方面，你得具備紮實的技能。
在r語言上花費100個小時，將比在10個不同工具上各花費10個小時得到更高的回報。最後，通過集中精力，你的時間回報率將更高。不要因為「最新，最炫的事物」而分心。
sharp sight labs
大資料分析為什麼學習R程式語言
學習大資料分析技能的人越來越多，這是乙個好的現象，現在大資料分析師的市場需求很大，你學習大資料分析那很棒 aaa教育提供大量的大資料分析課程。為什麼大資料分析要專門學習r程式設計?如果您真的想深入 這個問題，我們已經展示了python與r的對比，以展示每種語言如何處理常見的大資料分析任務。底線是每種...
R語言 資料分析
二 大資料分析 三 資料分析常用工具 資料分析是指用適當的統計方法對收集來的大量第一手資料和第二手資料進行分析，以求最大化地開發資料資料的功能，發揮資料的作用。資料分析是為了驗證假設的問題，需要提供必要的資料驗證。分析模型構建完成後，需要利用測試資料驗證模型的正確性。資料分析是為了挖掘更多的問題，並...
大資料分析R為什麼要學習SQL知識
sql技能對於任何資料分析師或資料科學家職位至關重要。在對公司資料進行任何型別的分析之前，您必須獲取該資料，這通常意味著與sql資料庫進行互動。能夠在您的主要編碼語言的上下文中使用sql對於構建和部署新的儀表板，模型等也至關重要。這就是為什麼我們很高興在r路徑中的data analyst中宣布最新課...