翻譯：張玲
校對：吳金笛
本文約3000字，建議閱讀5分鐘。
關于三種資料科學工具Python、R和SAS，本文從8個角度進行比較分析并在文末提供記分卡，以便你随時調整權重，快速做出選擇。
簡介
我們喜歡比較！
從比較三星、蘋果、HTC的智能手機，iOS、Android、Windows的移動作業系統到比較即将選舉的選舉候選人，或者選擇世界杯隊長，比較和讨論豐富了我們的生活。如果你喜歡讨論，你所要的就是在一個充滿激情的群體中抛出一個相關問題，然後看着它爆炸式地發展！這個過程的美妙之處在于，社群裡的每個人都是一個知識淵博的人。
我在這裡也引發類似的讨論，比較SAS、R和Python。SAS和R孰好孰壞可能是資料科學領域的最大争論，而Python是目前發展最快的語言之一，自其誕生以來，已經走過很長的路。我開始這個讨論的原因并不是想看它爆炸（不過那也很有趣），而是知道我們都會從讨論中受益。
這也是我在這個部落格上最常見的問題之一，是以我會和所有的讀者、訪客一起讨論這個問題。
SAS
https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-business-analyst-sas/R
https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-r-data-science/資料科學領域
https://courses.analyticsvidhya.com/courses/introduction-to-data-science-2?utm_source=blog&utm_medium=PythonvRvSASarticlePython
https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-Python/
關于這個話題不是已經說了很多了嗎？
可能是的，但我仍然覺得有必要談論，原因如下：
- 資料科學行業是一個充滿活力的行業，兩年前進行的任何比較都有可能和資料科學不再相關。
- 傳統上，Python不在比較範圍内，但現在我認為這不僅僅是一個值得考慮的問題。
- 在我即将讨論語言全球趨勢的同時，我将添加有關印度分析行業（處于不同發展水準）的特定資訊。
是以，不要再拖延了，讓讨論開始吧！
背景
以下是對3種資料科學工具的簡要描述：
SAS：毋庸置疑，SAS一直是商業分析領域的市場上司者。該軟體提供了大量的統計功能，具有良好的圖形使用者界面（Enterprise Guide&Miner），便于人們快速學習，并提供出色的技術支援。然而，最終它成為最昂貴的選擇，還不具備豐富的最新統計功能。
R:R是SAS的開源版本，傳統上用于學術和研究。由于其開源特性，最新的統計功能很快就會釋出，而且網際網路上有很多學習文檔，R是一個非常劃算的選擇。
Python：Python作為一種開源語言，它的使用與日俱增。如今，它的擴充程式庫（numpy、scipy和matplotlib）和功能幾乎可以用于您可能想要進行的任何統計操作/模型建構。自從引入panda後，它在結構化資料操作方面變得非常強大。
比較屬性（比較角度）
我将在以下8個屬性上比較這些語言：
- 可用性/成本
- 易學性
- 資料處理能力
- 圖形功能
- 工具進展
- 工作情形
- 深度學習支援
- 客戶服務支援和社群
我從分析師的角度比較這些，是以，如果你想為公司購買一個工具，你可能無法在這裡得到完整的答案，但下面的資訊仍然有用。對這三種工具，我就每個比較屬性進行評分（1–低；5–高）。
這些比較屬性的權重取決于你從事的職業和抱負。
1.可用性/成本
SAS是一種商業軟體，很昂貴，對于大多數專業人員（以個人身份）來說仍然遙不可及。然而，它在私營機構中占有最高的市場佔有率。是以，除非您所在的組織購買了SAS，否則可能很難接觸它。雖然，SAS提供了一個免費的大學版本，可以使用Jupyter筆記本，但它仍有一些限制！
另一方面，R&Python是完全免費的。以下是我在這個參數上的評分：
SAS – 3
R – 5
Python – 5
2.易學性
SAS很容易學習，并且為已經了解SQL的人提供了簡單的選項（PROC
-SQL）。即使不這樣，它的知識庫中也有一個很好的、穩定的圖形使用者界面。在資源方面，各個大學的網站上都有教程，SAS有一個全面的文檔。有來自SAS教育訓練機構的認證，但需要花錢才能獲得。
在這裡列出的3種工具中，R的學習曲線最陡，因為需要你學習和了解編碼。R是一種低級程式設計語言，是以簡單的過程可能需要較長的代碼。
SQL
https://www.analyticsvidhya.com/blog/2015/03/basics-sql-rdbms/proc-sql
https://www.analyticsvidhya.com/blog/2015/04/data-exploration-sas-data-step-proc-sql/Python在程式設計領域以其簡單性而聞名，這對于資料分析也是如此。雖然到目前為止還沒有廣泛使用的圖形界面，但我希望Python notebooks會越來越成為主流，這會為文檔和共享提供了很棒的功能。
SAS – 4.5
R – 2.5
Python – 3.5
3.資料處理能力
在過去，這一直是SAS的優勢。R在記憶體（RAM）中進行所有的計算，是以計算受到32位機器上RAM數量的限制，但情況不再是這樣了。這三種工具都具有良好的資料處理能力和并行計算選項，我覺得這不再是一個很大的差別。他們都可以內建Hadoop和Spark內建，同時也支援Cloudera和ApachePig。
SAS – 4
R – 4
Python – 4
4.圖形功能
SAS具有良好的功能圖形功能，然而，隻是功能性的。任何對繪圖的自定義都是困難的，需要你了解複雜的SAS圖形（程式擴充）包。
R和Python都具有非常進階的圖形功能，有許多軟體（程式擴充）包将為您提供進階圖形功能。
現在，随着這兩種工具都引入plotly并且Python引入了Seaborn，自定義繪圖變得前所未有的簡單。
R – 4.5
Python – 4.5
5.工具進展
這3個工具都具有最基本基本和最需要的所有功能，隻有在研究最新的技術和算法時，這個特性才重要。
由于其開放性，R&Python可以快速獲得最新特性，而SAS在新版本的推出中更新了其功能。由于R在學術界廣泛應用，是以新功能的發展很快。
盡管如此，SAS在受控環境中釋出更新，是以它們經過了很好的測試。另一方面，R&Python是開放的，在最新功能的開發中有出錯的可能。
6.工作情形
在全球範圍内，SAS仍然是市場上司者，大多數大型組織仍然在SAS上工作。另一方面，R/Python對于初創企業和尋求成本效益的公司來說是更好的選擇。此外，據報告，在過去幾年裡，R/Python相關的工作數量有所增加。這是一個在網際網路上廣泛釋出的趨勢，顯示了R和SAS工作數量的趨勢。用于資料分析的Python工作與R工作具有類似或更高的趨勢：
在下圖中，藍色代表R，橙色代表SAS。
在下圖中，藍色代表R，橙色代表Python。
資料科學工作中使用的工具分布情況如下：
7.客戶服務支援與社群
R和Python擁有最大的線上社群，但沒有客戶服務支援。是以，如果你有麻煩，你就靠自己了。不過，你會得到很多幫助的。
SAS提供了專門的客戶服務社群。是以，如果你在安裝方面遇到問題或任何其他技術挑戰，你可以聯系他們。
R – 3.5
8.深度學習支援
SAS的深度學習仍處于起步階段，還有很多工作要做。
Python在該領域有着巨大的進步，它有許多（程式擴充）包，如tensorflow和keras。
R最近增加了對這些包以及一些基本包的支援。R中的kerasR和keras包充當Python包keras的接口。
SAS – 2
R – 3
其他因素：
以下是一些值得注意的要點：
- Python廣泛應用在Web開發中，如果你從事線上業務，使用Python可以同時進行Web開發和分析。
- SAS過去在部署端到端基礎架構（可視化分析、資料倉庫、資料品質、報告和分析）方面具有很大優勢，但現在可以通過在SAP HANA和Tableau等平台上內建/支援R，這種優勢已不再明顯。盡管它距離SAS這樣的無縫內建還有很遠的距離，但這段旅程已經開始。
結論
在今天的情況下，我們看到市場對Python略有傾斜。考慮到行業的動态性，押注什麼即将占據上風，時機尚未成熟。根據你的情況（職業階段、财務狀況等），你可以增加你自己的權重，并想出可能适合你的方案。以下是一些特定的場景：
如果你是一個剛進入分析行業的人（特别是在印度），我建議你學習SAS作為你的第一語言。學習容易，就業市場占有率最高。
如果你是一個已經在這個行業中一段時間的人，你應該嘗試學習一個新工具來多樣化你的專業知識。
對于業内的專家和專業人士，人們至少應該知道其中的兩個，這将為未來增加許多靈活性，并打開新的機會。
如果您是初創企業/自由職業者，R/Python更有用。
從戰略上講，具備更多實際操作幫助和教育訓練的企業機構可以選擇SAS作為選項。
研究人員和統計學家選擇R作為替代方案，因為它有助于進行大量的計算。正如他們所說，R是為了完成工作，而不是為了讓你的電腦更輕松。
由于其輕量級的特性和不斷增長的社群，Python明顯已經成為當今初創企業的選擇，這也是深度學習的最佳選擇。
下面是最後的記分卡：
以上是我對這一比較的看法。現在輪到你通過下面的評論來分享你的觀點了。
原文标題：
Python vs. R (vs. SAS) – which tool should I learn?
原文連結：
https://www.analyticsvidhya.com/blog/2017/09/sas-vs-vs-Python-tool-learn/編輯：王菁
校對：龔力
譯者簡介
張玲，在崗資料分析師，計算機碩士畢業。從事資料工作，需要重塑自我的勇氣，也需要終生學習的毅力。但我依舊熱愛它的嚴謹，癡迷它的藝術。資料海洋一望無境，資料工作充滿挑戰。感謝資料派THU提供如此專業的平台，希望在這裡能和最專業的你們共同進步！
翻譯組招募資訊
工作内容：将選取好的外文前沿文章準确地翻譯成流暢的中文。如果你是資料科學/統計學/計算機專業的留學生，或在海外從事相關工作，或對自己外語水準有信心的朋友，資料派翻譯組歡迎你們加入！
你能得到：提高對于資料科學前沿的認知，提高對外文新聞來源管道的認知，海外的朋友可以和國内技術應用發展保持聯系，資料派團隊産學研的背景為志願者帶來好的發展機遇。
其他福利：和來自于名企的資料科學工作者，北大清華以及海外等名校學生共同合作、交流。