回覆列表
-
1 # 退休學生
-
2 # 奧威軟體大資料BI
推薦個不用敲程式碼的吧!奧威BI工具。這是一個智慧資料視覺化分析工具,上面預設了大量智慧分析功能和圖形化的資料視覺化圖表,你可以根據自己的需求製作資料視覺化分析報表。
而且在奧威BI工具做好的報表還支援多維動態自助分析。瀏覽者可隨時修改欄位與維度組合,從而切換到不同維度分析資料,也可能修改篩選條件做分析;可以聯動多個數據視覺化圖表做分析;又或者雙擊智慧鑽取,調取相關的資料分析、明細,然後自行選擇鑽取路徑。
先說結論:根據需求和軟體操作能力,選用SPSS、STATA、SAS、R語言、Python中的一種或多種,這幾款都是主流的資料分析和統計軟體,對程式設計能力的要求依次提高,能完成複雜分析的能力、自由度也更高。
1. SPSS
優勢:易於學習
弱點:難以完成複雜操作、迴圈等自動化分析
推薦書目: 張文彤《SPSS統計分析基礎教程》
2. Stata
此外,stata有自己的社群和期刊,如果英語好幾乎能找到需要的所有解答。
優點:邏輯是變數和樣本,容易理解;資料管理能力強;直觀
缺點:複雜功能的實現不足;圖表不美觀
推薦書目:陳強《高階計量經濟學及Stata應用》
3. SAS
醫學、金融常用軟體,穩定可靠,有豐富的介面,和Stata類似,SAS也有自己的程式設計語法,但更為複雜,較難掌握。如果不是工作需要,不建議新手入門。
4. R
開源免費軟體,統計軟體中冉冉升起的新星。
優勢:
功能範圍非常大(有很多擴充套件包可以實現各種各樣豐富的功能)
畫圖非常好看
非常容易自動化和整合(與 Git、LaTeX、ODBC、Oracle 、Apache Hadoop等)
非常好的社群支援,以及透過第三方的支援
廣泛的幫助資源免費提供(手冊、教程等)
非常強大且靈活的指令碼語言(例如支援面向物件的程式設計)
支援所有通用平臺(Windows、Linux、MacOS...)
非常大的、活躍的開發人員社群,面向未來
弱點:
熟悉 R 語法較難
速度不夠快
使用非常大的資料集時,對電腦硬體要求高
推薦書目:R語言實戰
5. Python
最接近程式語言,統計和資料分析只是它的一小部分功能,不夠直觀但功能強大。學起來較難。