目前适用数据科学计算的语言有不少，包括：SAS，R，JAVA，C/C++，Python等|
| 语言 | 优点 | 缺点 |
|---|---|---|
| SAS | 算法全，数据报告全面、准确度高，Entprise Guige 和 Enterprise Miner使用极为方便； | 商业化软件，太贵，使用的公司少，安装image越来越大，从 sas9 以后，动辄就是几十G的安装软件包，由于功能组件多，安装配置极为复杂；另外由于专业度很高，很多参数晦涩难懂，学习周期较长。 |
| R | 算法全，使用方便，上手快，社区强大； | 主要在学术研究上使用，企业级应用偏少，扩展性不是太好。 |
| JAVA | 成熟，稳定性能好，公司级的应用多； | 数据开发效率太低，算法模块不够丰富。 |
| C/C++ | 算法效率高，很多底层的应用使用C/C++开发； | 开发门槛高，算法模块少。 |
| Python | 算法模块全，使用方便，上手快，社区强大，公司级应用多； | 大数据计算应用稳定性不够好；多线程功能不完善（伪多线程，被人诟病）；python 3 和 2 很多功能不兼容，像是两种语言。 |
总之，Python 虽然也有不少缺点，但优点完胜其它语言，成为数据科学首选的计算机语言。
2018年各计算机语言应用度比较
Python 在数据科学中最常用的库：
| 领域 | Python库 | 说明 |
|---|---|---|
| 数据预处理 | numpy | 科学计算基础库。提供了高效的多维数据组和向量计算。 |
| 数据预处理 | scipy | 科学计算库，提供高效的数值计算，包括函数最优化以及数值积分等模块，依赖 Numpy。 |
| 数据预处理 | pandas | 包含高级数据结构（DataFrame)和类SQL语句，纳入了大量库和一些标准的数据模型，提供了一系列高效地操作大型数据集所需的工具。 |
| 数据可视化 | matplotlib | 数据可视化库，提供了大量专业数据图形制作工具。 |
| 数据可视化 | pyecharts | 数据可视化库，生成百度Echarts图形，动态效果好，数据易处理，易于集成。 |
| 数据可视化 | ggplot | 类似于R中的图形展示 |
| 标准模型库 | scikit-learn | 标准机器学习库，主要用于分类、回归、聚类等经典数据挖掘模型。 |
| 标准模型库 | statsmodels | 标准统计模型库。假设检验和参数置信区间分析等。 |
| 标准模型库 | Spark ML | 分布式机器学习算法库，可以用在分布式集群上，对大数据进行建模。由Scala开发，提供Python API。 |
| 标准模型库 | TensorFlow | 成熟的深度学习算法库，由Google开发并开源。支持GPU运算。 |
| 文本处理 | NLTK | 提供了一批简单易用的自然语言文本处理功能，支持多种语言处理。 |
| 文本处理 | pypdf2 | 生成、读取 PDF 文件。 |
| 文本处理 | python-docx | 生成、读取 word 文件。 |
| 文本处理 | pkuseg | 大分词模块。 |
| 文本处理 | pyltp | 哈工大分词模块。 |
| 文本处理 | jieba | 有可能是最早的 Python 中文分词组件。 |
| 文本处理 | Gensim | 支持包括TF-IDF，LSA，LDA，和word2vec在内的多种主题模型算法。 |
| 图片处理 | opencv | opencv for python，里面包含很多图像处理的函数和算法。 |
| 图片处理 | PIL | 处理图片文件的模块包。 |
| 图片处理 | pytesseract | 从图片中提取文字（OCR） |
| 语音处理 | pyaudio | 使用麦克风输入音频。 |
| 语音处理 | pyspeech | 提供语音和文字互转的功能。 |
人生苦短，我用Python！
