哪些编程语言适合统计？ [关闭]答案

【问题标题】：What programming languages are good for statistics? [closed]哪些编程语言适合统计？ [关闭]
【发布时间】：2011-01-13 02:45:54
【问题描述】：

我最近对一些事情进行了更多的统计分析，我很好奇是否有任何编程语言特别适合此目的。我知道 R，但我更喜欢更通用的东西（或者 R 非常通用？）。

你们有什么建议？是否有任何语言的语法/语义特别面向此？或者是否有任何语言具有非常好的库？

【问题讨论】：

有趣的问题，因为通用性的限制。当您想要做的事情的一部分在该域中时，DSL 可以成为一个可以使用的 PITA。
Jason 的通用性约束，如对 Dirk 回答的评论中所述，实际上似乎非常适合 R 的优势。将 R 与 SAS、Stata、Matlab 或其他任何不相比较是错误的（在这方面）。

标签： programming-languages r statistics libraries

【解决方案1】：

pystats library（用于 Python）非常适合统计分析。

【讨论】：

项目文件似乎自 2005 年以来就没有更新过。这通常是一个非常糟糕的迹象。
我有一辆 2005 年的吉普车，它仍然运行良好！
我有一点 2005 年的奶酪！
@AJ - 可能不足以有所作为。但是，这可能意味着自 2005 年以来没有人维护过该库，因此可能很难获得帮助/修复错误。诚然，情况可能并非总是如此，但如果可以的话，我会倾向于避免此类项目。
现代 python 数据人们通常使用scipy、matplotlib、pandas、statsmodels、scikit-learn 等的组合，具体取决于您在做什么。 rpy2 也是 R 的一个很好的接口，当你需要一些在 python 中没有实现的东西时。

【解决方案2】：

Matlab 也擅长统计。不过，它并不是完全免费的。

Octave 是一个免费克隆，它也可以满足您的需求。

【讨论】：

【解决方案3】：

您是否考虑过使用 MatLab 之类的东西？它具有许多执行数据分析的高级功能，您可以在环境中进行一些编程。

【讨论】：

【解决方案4】：

我的一个专注于市场统计的朋友使用SAS。我对此了解不多——它看起来不像是一种“真正的”语言，但可能值得一试。

我完全支持带有 R 绑定的 Python。

【讨论】：

SAS 非常昂贵。如果你想要一个付费的统计软件，有更多的选择（也有更便宜的），比如：spss、jmp、mathlab 等等。就个人而言，我更喜欢 R :)
+1，Python 和 R 一起是梦想成真。查看 rpy2：rpy.sourceforge.net/rpy2.html

【解决方案5】：

我会说 R，因为我所在大学的大多数统计课程都使用 R，我参加过此类课程的大多数朋友都对它的范围和覆盖面非常满意。

我什至尝试过 MATLAB，发现它非常好用。

干杯

【讨论】：

【解决方案6】：

APL 显然是用于统计工作的最佳语言之一。虽然它不是通用的......

它确实需要特殊的键盘和字体，因为它不使用 ascii。

请参阅Conway's Game of Life in one line of APL，了解可以用它做什么的概述。

【讨论】：

APL 和其他任何东西一样通用，只是更难学习。 +1 怀旧
如果您正在考虑 APL，那么为什么不使用 J 或 K 代替，后者更实用但使用相同的基本方法？

【解决方案7】：

Stata 呢？我有一个朋友是经济学博士生，他一直对 Stata 赞不绝口。我个人对Mathematica 有好感。

【讨论】：

【解决方案8】：

查看ROOT 的RooFit 包。它被例如使用。用于数据分析的粒子物理学家。

ROOT 是一个C++ 框架，还带有 python 和 ruby 绑定。它还包括一个有限的交互式C++ 解释器。

【讨论】：

【解决方案9】：

没有竞争——R 作为 S 的主要实现（而且恰好是适当的开源和 GNU 项目）。

不仅因为 S 语言 正是为此目的而设计的（参见 John Chambers 的书籍），而且在 CRAN 对特定领域包的相当丰富的支持是首屈一指的：over 2000 个经过适当质量控制的软件包，通常由该领域的专家编写。

ACM 在 1998 年将 ACM Software Systems Award 提供给 John Chambers 时也有同样的看法，下面是 citation

约翰·M·钱伯斯

对于 S 系统，它拥有永远改变了人们分析、可视化、和操作数据。

作为参考，该奖项的其他获奖者是 TeX、Smalltalk、Postscript、RPC、'the web'、Mosaic、Tcl/Tk、Java、Make，...... 不错的公司。

现在，如果您“只想”收集和总结一些数据，那么任何程序或函数语言都可以。但是，如果您想要为数据编程而设计的东西，那么 R 作为主要的 S 实现它就是。

【讨论】：

我完全理解 R 作为统计语言的强大功能。但是，除了统计数据（解析日志文件和访问 sqlite 数据库）之外，我还需要做一些事情。 R能做到吗？
是的！有例如RSQLite 包，它包含读取/写入 SQLite 文件所需的一切。此外，它使用 DBI 接口，因此您可以在不同的后端重复使用您的代码。至于解析，R 包含几个正则表达式引擎，包括基本的、扩展的和 Perl——参见帮助（正则表达式）——所以它也做得很好。您可以通过 Windows、OS X、Linux 上的“Rscript”可执行文件以及 OS X 和 Linux 上的“r”（“littler”）来使用 R 编写脚本。 [我共同编写/维护更小]。
你可以在 R 中做任何你想做的事，但你可能不想这样做。我的建议是学习 R 和其他与 R 配合得很好的语言。如果您正在构建重型应用程序，可能是 Java 或 Scala。如果您正在构建主要围绕 R 封装的中型系统，可能是 Python 或 Ruby。然后，当您需要复杂的数据和统计工作时，使用人们编写的各种库从您的其他语言调用 R。
你知道那句话，“有一个应用程序吗？”。当谈到 R 时，“有一个包”。甚至幸运饼干！
“CRAN 是首屈一指的：超过 2000 个具有适当质量控制的软件包” 显然，您对数值数学软件进行适当质量控制的标准与我的不同。委婉地说，许多 CRAN 包都非常（在数值上）不健壮。

【解决方案10】：

看看Incanter，基于clojure。 “Incanter 是一个基于 Clojure 的、类似 R 的统计计算和图形平台。” Clojure 是一种在 JVM 之上实现的基于 lisp 的语言。它可以轻松访问 java 库。没有比这更通用的了。

【讨论】：

+1 表示 Incanter。它还没有 R 开发得那么好，但是由于您获得了所有 Java/Clojure 库和功能，因此如果您想同时进行统计和通用开发，它非常有用。跨度>

【解决方案11】：

如果所有你正在做的是统计数据，

R 就很棒。它有一个很好的交互式界面和可视化工具。但是，它很难用作通用语言，因为它的语法和语义针对统计数据进行了高度优化。如果您想要一种更通用的语言，带有 SciPy 的 Python 将是一个不错的选择，尽管我使用过它并且发现其中的统计例程有些不成熟。它们通常效率低下或在极端情况下失败。

如果您正在对大型数据集进行数据挖掘，重视性能，并且/或者您不介意使用 alpha-ish 工具，那么 D 编程语言和 dstats library 可能会非常好。 D 是一种通用语言，但恕我直言，dstats 非常易于使用，因为模板元编程即使在静态编译、接近金属的语言中也可以轻松设计出漂亮的 API。（完全披露：我写了大部分 dstats，所以我当然认为它很好。）

【讨论】：

R 非常适合通用编程——例如，CRANberries html 和 rss 的 CRAN 更改摘要背后的代码不到 200 行 ... R。同样，越来越多的R 用于构建 R、运行测试、从类似乳胶的元格式更新文档的幕后脚本现在在 R 中。没有其他语言能比得上 CRAN 及其 2000 多个包。
@Dirk：我想这很主观，但我发现大多数面向数学的语言（R、Matlab 等）对于通用编程来说非常尴尬和奇怪，而不仅仅是 R。
许多比较都是主观的。此外，R != Matlab，这种比较通常不是一个好的比较。其次，我为您提供了 R 作为通用编程环境的具体示例。由于大量的 POSIX 调用、文件系统/操作系统级别调用的包装、正则表达式库等 pp，这很有可能。所以我仍然谴责你的“如果 all 你正在做的只是统计数据”。
我不同意这一点，R 很快取代了 Perl，成为我大多数通用编程任务的首选武器。

【解决方案12】：

正如 Dirk 所说，R 毫无疑问是最好的统计语言。我只想补充几点：

首先，我认为您应该使用 R 的主要原因是社区。在这个阶段，学术界和工业界的专家如此大量地使用它，以至于没有其他语言可以与 CRAN 的财富相媲美。

其次，应该承认，使用 R 语言是一种乐趣。它是我的主要语言，在尝试过替代语言后，我没有打算很快放弃它。但它也没有垄断它在数据编程方面的实力，这种说法可能太过分了。所有的 Lisp 和函数式语言都擅长数据编程。毕竟，Lisp 源自“列表编程”，正是 Lisp 对 R 的影响使该语言成为现在的样子。

R 社区的一些成员（例如 Ross Ihaka）实际上将 Lisp 视为未来的统计语言（请参阅“回到未来”论文以获取参考），因为在R 语言（例如，没有多线程）。

因此，尽管 R 无疑是统计计算的最佳语言，但我认为熟悉 OCaml、Haskell 或（可能）Clojure/Incanter 等另一种语言具有一定的价值。

【讨论】：

【解决方案13】：

您可以查看程序 sage，它是对 python 解释器的重新实现，允许您使用 python 语法调用不同的编程语言进行统计（R、matlab、octave 等）。 .

编写统计程序时的一个主要问题是，您最终可能会拥有许多不同的小脚本，每个小脚本都执行一项单独的任务，并且最终可能会导致文件夹混乱和结果混乱。

因此，除了选择一种编程语言（我认为其他人已经回答了您的问题）之外，您还需要一种语法来定义脚本管道：您可以使用程序“gnu/make”来制作它（例如阅读@ 987654322@) 或者用这个sage，或者还有其他解决方案。

【讨论】：

【解决方案14】：

根据我的经验，R 在以下领域是一种非常强大的语言：

数据的操作和转换。
统计分析。
图形。

但R 绝不是三招小马。我还将该语言应用于不完全属于上述类别的任务。一些例子是：

通过识别和匹配不同架构的静态和动态库，然后通过lipo 运行生成的组，帮助创建 OSX 通用二进制文件的脚本。
从网页中抓取信息的脚本。
一组用于创建地理参考图像的脚本，使用GDAL 将图像切割成图块集，形成描述输出的JSON 清单，并将结果上传到网站以供OpenLayers 立即显示。

我最喜欢使用R 的部分是我说话的频率：

哇！有一个包可以做到THAT?!

【讨论】：

【解决方案15】：

我也想为 R +1。它可能不像 STATA 甚至 SPSS 那样容易处理，尤其是对于非程序员而言。虽然我猜一般的 stackoverflower 比我更像一个程序员。

话虽如此，我想做一个简短的概述，因为我已经看到了一些来自用户（经济学家（观点）的统计数据包。

STATA 仍然是大多数经济学家的选择，而且确实有一些优点。 STATAs GUI 有助于管理大量选项和统计功能。此外，STATA 似乎是唯一一个具有至少有点接近基准的邮件列表的包：独一无二的 R 邮件列表。仍然可以编写复杂的 .do 文件或从网上下载一些文件。 STATA 可能不像 R 那样接近编程语言，但仍然为统计目的提供了一种很好的编程语言。根据数据集的大小，您应该检查所需的许可证。

您还可以使用 SPSS，它比 STATA 更像是一种 GUI 工具，但对经济计量工作（例如 TOBIT 模型或面板回归，尤其是离散选择模型）的综合性稍差。

还有 Eviews - 不幸的是，我已经忘记了大部分内容，只在我的研究中将它用于几个简单的回归。因此，我只是在这里命名。 GAUSS 也是如此，它看起来比其他包更具数学性。最近我听说了 Octave，它也更加数学化。

就我个人而言，R 比其他任何东西都重要。有时我会在 Python 中配对它，或者将它连接到 MySQL 或 PostgreSQL 数据库，它们也能很好地工作。 R 确实可以帮助您学习统计数据，因为您需要了解更多才能做某事，而不是点击 SPSS 之类的东西。虽然如果您需要 GUI，您可以尝试 RKward 或考虑在 Windows 上安装 Komodo / Sciviews-R 或 Tinn-R。后者不是 GUI，而是或多或少支持代码突出显示和代码建议的编辑器，这也有助于完成它。 R 中的 Farnsworth Econometrics 是一本不错的读物。啊，我不能忘记提到阴谋。 Hadley Wickham 的 ggplot2 包刚刚摆脱困境。只要您不需要它们进行交互，这是创建图形的最佳方式。归根结底，R 确实是最灵活的软件包：您甚至可以将它安装在网络服务器上并构建一些漂亮的网络界面 - 没有限制。

【讨论】：

使用 python 进行解析，将你的东西写入本地 SQL 数据库，创建一些漂亮的视图，然后使用 RMySQL。值得一试！

【解决方案16】：

因为我是统计学的学生。我发现 R 在所有其他统计相关软件中是最好的。也许它有能力对统计数据做任何事情。

【讨论】：