想要入行資料分析領域，你是否對選擇要學習的程式語言感到困惑？

　　當前流行和廣泛接受的編碼語言包括Python，R，Scala，Hadoop語言（Hive，Pig等），Java和SAS。但是，Java語言正在迅速失去其光澤，只有12％的資料分析師當前從事大資料專案的工作，比其他任何語言都更喜歡python。

　　根據LinkedIn 2020年的一項調查，從上到下依次排名前三的資料分析技能分別是Python，R和SQL。儘管事實是，R語言驅動著大約50％的大資料操作，而SAS語言卻構成了全世界所有資料分析工作的36％。在進行中的所有資料分析專案中，有35％使用了Python，而其他專案僅佔馬車車輪的10％。

　　確定最適合的資料分析編碼語言

　　在繼續為你選擇最適合的大資料程式語言之前，請問自己以下問題：

　　· 你現在手頭有什麼任務？

　　· 所選的資料分析程式語言是否可滿足你的長期職業計劃？

　　· 你在已經知道的編碼語言中擁有什麼能力？

　　· 你是否已做好進入下一個專業水平的心理準備？

　　· 你的組織或準公司在何種程度上部署資料分析？

　　· 你準備好接受高階資料分析概念的培訓了嗎？

1、R

　　R是統計學家的語言。但是幾乎所有高階大資料分析家都知道所說的語言，因為它已經越來越有必要。初級大資料分析家還可以透過加快在SAS，Matlab和OCTAVE中的學習來掌握所說的程式語言。R確實可以用作強大的資料分析編碼語言，但是在進行典型的資料分析專案時卻不能像通用編碼語言一樣強大。

　　例如，如果可以使用語言R執行出色的模型，但是在將其部署到生產環境之前，你將不得不將其轉換為Scala或Python。在執行諸如為叢集控制系統編寫程式碼之類的任務時，R不如其他流行的資料分析程式語言有效，因為除錯過程將變得非常困難。

2、蟒蛇

　　Python是目前最流行的資料分析程式語言，大多數大資料分析家都熟悉跨行業和地域的該語言。如果有人在培養一個大資料開發團隊來處理其公司的資料分析業務，那麼Python相對容易部署，因為它易於學習（對於大資料工程師來說，這只是另一種面向物件的編碼語言）。此外，Python還具有與眾不同的優勢，它使人類更容易閱讀。

3、斯卡拉

　　Scala屬於JVM（Java虛擬機器）生態系統，可使其立即變得功能強大且高度靈活。它是面向物件和功能性語言的完美融合，在金融領域非常受歡迎，在金融領域，公司需要處理大量分散的資料（關於社交媒體資料量和相關分佈的程度的想象）。Spark和Kafka得到Scala的支援。此外，與Java相比，用Scala編寫的程式碼少得多，就可以做更多的事情。

4、爪哇

　　實際上，幾十行Scala程式碼將相當於幾百行Java程式碼。但是，Java的最新版本進行了重大改進。儘管它永遠不會像Scala那樣卑鄙和精瘦，但是與Java相關聯的還有其獨特的優勢，例如它在Hadoop中的預設棲息地以及其他一些大資料工具和框架。此外，當涉及到諸如HDFS，Spark，Storm，Apache Beam和MapReduce之類的JVM生態系統產品時，Java成為資料分析編碼領域的王者。

結論思想

　　那麼，最終歸結為這四種語言之間的選擇？好吧，這完全取決於你在未來的職業中將從事哪種資料分析專案。當歸結為核心分析時，R將是最適合考慮的語言。當你打算使用神經網路時，應該選擇Python。為了找到理想的生產流解決方案，Java將是部署的理想語言。然後，有R＆Python它可以成為人類已知的任何資料分析問題的答案，尤其是當兩者結合部署時。