感覺R語言比python容易學得多，為什么還有很多人說R語言學起來很難？由于R語言語法簡單（類似于matlab），功能強大，使用方便。R無法與Python競爭的主要原因有兩個：1。R有太多的包（與py

感覺R語言比python容易學得多，為什么還有很多人說R語言學起來很難？

由于R語言語法簡單（類似于matlab），功能強大，使用方便。

R無法與Python競爭的主要原因有兩個：1。R有太多的包（與python相同，但是R更多）。但是R的缺點是很多包都有自己的邏輯，而且它們是不同的。因此，R學習者不僅需要學習R本身，還需要學習每個包背后的一套邏輯，需要花費時間和精力去記住每個包中的不同功能。這種情況導致學習者無法在短時間內(nèi)將經(jīng)驗和代碼從一個軟件包轉(zhuǎn)移到另一個軟件包，并且經(jīng)常學習新的功能。這就是為什么R的學習曲線是陡峭的。在工業(yè)領(lǐng)域，這是禁忌。

2. 與MATLAB一樣，R在每個包中有太多的函數(shù)（比Python多）。雖然這些函數(shù)實現(xiàn)起來非常愚蠢，但不能滿足行業(yè)處理大數(shù)據(jù)的需求（集合中的函數(shù)太多，一方面造成不必要的資源消耗，另一方面給底層代碼優(yōu)化帶來困難，因此，R和MATLAB的底層優(yōu)化效果并不理想。因此，在python興起之前，R在美國大學學術(shù)界占據(jù)主導地位。學術(shù)界需要的數(shù)據(jù)量不大，這些教授可以很容易地利用r實現(xiàn)自己的統(tǒng)計分析和可視化報表。但在工業(yè)界，R的數(shù)據(jù)處理能力與Python相形見絀。

綜上所述，R和MATLAB都是學術(shù)研究，而python與go、Java、C、C更適合于可以實現(xiàn)的行業(yè)項目。

數(shù)據(jù)分析師需要懂編程嗎？

感謝您的邀請

！數(shù)據(jù)分析員通常分為兩種類型，一種是應用級數(shù)據(jù)分析員，另一種是研發(fā)級數(shù)據(jù)分析員。區(qū)別在于他們是否具有算法設(shè)計和實現(xiàn)的能力。

應用級數(shù)據(jù)分析師通常需要掌握各種數(shù)據(jù)分析工具，將業(yè)務(wù)模型映射到數(shù)據(jù)分析工具，從而得到數(shù)據(jù)分析的結(jié)果。數(shù)據(jù)分析工具很多，如傳統(tǒng)的數(shù)據(jù)分析工具Excel、Minitab、lingo、JMP等。為了充分掌握這些工具的使用，我們需要有一定的數(shù)理統(tǒng)計基礎(chǔ)。通常，BI數(shù)據(jù)分析人員需要進一步掌握數(shù)據(jù)庫的基本知識，但難度往往不大。

研發(fā)級數(shù)據(jù)分析師需要掌握編程知識。R、 python、C、MATLAB等語言廣泛應用于數(shù)據(jù)分析領(lǐng)域。目前，通過Python等語言完成數(shù)據(jù)分析是一種常見的做法。事實上，Matlab也是一種在數(shù)據(jù)分析領(lǐng)域占有重要地位的軟件（語言），其功能非常強大。

在大數(shù)據(jù)時代，通過機器學習實現(xiàn)數(shù)據(jù)分析是一種常見的方式，python語言是一種常見的選擇。一方面python語言易學，另一方面python語言有豐富的庫支持，如numpy、SciPy、Matplotlib、symmetry、pandas等。這些庫的使用將大大提高算法的實現(xiàn)難度。

簡而言之，對于數(shù)據(jù)分析師來說，如果他們想在數(shù)據(jù)分析的道路上走得更遠，就必須掌握編程。事實上，編程語言本身并不是數(shù)據(jù)分析的難點。例如，學習Python仍然是一個相對容易的過程。！對于基礎(chǔ)薄弱的學習者來說，開始使用工具學習數(shù)據(jù)分析是一個現(xiàn)實的選擇。