数据分析 感觉R语言比python容易学得多，为什么还有很多人说R语言学起来很难？
感觉R语言比python容易学得多，为什么还有很多人说R语言学起来很难？
由于R语言语法简单（类似于matlab），功能强大，使用方便。
R无法与Python竞争的主要原因有两个：1。R有太多的包（与python相同，但是R更多）。但是R的缺点是很多包都有自己的逻辑，而且它们是不同的。因此，R学习者不仅需要学习R本身，还需要学习每个包背后的一套逻辑，需要花费时间和精力去记住每个包中的不同功能。这种情况导致学习者无法在短时间内将经验和代码从一个软件包转移到另一个软件包，并且经常学习新的功能。这就是为什么R的学习曲线是陡峭的。在工业领域，这是禁忌。
2. 与MATLAB一样，R在每个包中有太多的函数（比Python多）。虽然这些函数实现起来非常愚蠢，但不能满足行业处理大数据的需求（集合中的函数太多，一方面造成不必要的资源消耗，另一方面给底层代码优化带来困难，因此，R和MATLAB的底层优化效果并不理想。因此，在python兴起之前，R在美国大学学术界占据主导地位。学术界需要的数据量不大，这些教授可以很容易地利用r实现自己的统计分析和可视化报表。但在工业界，R的数据处理能力与Python相形见绌。
综上所述，R和MATLAB都是学术研究，而python与go、Java、C、C更适合于可以实现的行业项目。
数据分析师需要懂编程吗？
感谢您的邀请
！数据分析员通常分为两种类型，一种是应用级数据分析员，另一种是研发级数据分析员。区别在于他们是否具有算法设计和实现的能力。
应用级数据分析师通常需要掌握各种数据分析工具，将业务模型映射到数据分析工具，从而得到数据分析的结果。数据分析工具很多，如传统的数据分析工具Excel、Minitab、lingo、JMP等。为了充分掌握这些工具的使用，我们需要有一定的数理统计基础。通常，BI数据分析人员需要进一步掌握数据库的基本知识，但难度往往不大。
研发级数据分析师需要掌握编程知识。R、 python、C、MATLAB等语言广泛应用于数据分析领域。目前，通过Python等语言完成数据分析是一种常见的做法。事实上，Matlab也是一种在数据分析领域占有重要地位的软件（语言），其功能非常强大。
在大数据时代，通过机器学习实现数据分析是一种常见的方式，python语言是一种常见的选择。一方面python语言易学，另一方面python语言有丰富的库支持，如numpy、SciPy、Matplotlib、symmetry、pandas等。这些库的使用将大大提高算法的实现难度。
简而言之，对于数据分析师来说，如果他们想在数据分析的道路上走得更远，就必须掌握编程。事实上，编程语言本身并不是数据分析的难点。例如，学习Python仍然是一个相对容易的过程。！对于基础薄弱的学习者来说，开始使用工具学习数据分析是一个现实的选择。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
