簡介
我們喜歡比較！
從比較三星、蘋果、HTC的智慧手機，iOS、Android、Windows的移動作業系統到比較即將選舉的選舉候選人，或者選擇世界盃隊長，比較和討論豐富了我們的生活。如果你喜歡討論，你所要的就是在一個充滿激情的群體中丟擲一個相關問題，然後看著它爆炸式地發展！這個過程的美妙之處在於，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討論，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爭論，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。我開始這個討論的原因並不是想看它爆炸（不過那也很有趣），而是知道我們都會從討論中受益。
這也是我在這個部落格上最常見的問題之一，所以我會和所有的讀者、訪客一起討論這個問題。
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=PythonvRvSASarticle
Python
https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-Python/
關於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不在比較範圍內，但現在我認為這不僅僅是一個值得考慮的問題。
在我即將討論語言全球趨勢的同時，我將新增有關印度分析行業（處於不同發展水平）的特定資訊。
所以，不要再拖延了，讓討論開始吧！
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領導者。該軟體提供了大量的統計功能，具有良好的圖形使用者介面（Enterprise Guide&Miner），便於人們快速學習，並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，傳統上用於學術和研究。由於其開源特性，最新的統計功能很快就會發布，而且網際網路上有很多學習文件，R是一個非常划算的選擇。
Python：Python作為一種開源語言，它的使用與日俱增。如今，它的擴充套件程式庫（numpy、scipy和matplotlib）和功能幾乎可以用於您可能想要進行的任何統計操作/模型構建。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）
我將在以下8個屬性上比較這些語言：
1. 可用性/成本
2. 易學性
3. 資料處理能力
4. 圖形功能
5. 工具進展
6. 工作情形
7. 深度學習支援
8. 客戶服務支援和社群
我從分析師的角度比較這些，所以，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於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，對於大多數專業人員（以個人身份）來說仍然遙不可及。然而，它在私營機構中佔有最高的市場份額。因此，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。以下是我在這個引數上的評分：
SAS – 3
R – 5
Python – 5
2.易學性
SAS很容易學習，並且為已經瞭解SQL的人提供了簡單的選項（PROC
-SPL）。即使不這樣，它的知識庫中也有一個很好的、穩定的圖形使用者介面。在資源方面，各個大學的網站上都有教程，SAS有一個全面的文件。有來自SAS培訓機構的認證，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，因為需要你學習和理解編碼。R是一種低階程式語言，因此簡單的過程可能需要較長的程式碼。
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，這對於資料分析也是如此。雖然到目前為止還沒有廣泛使用的圖形介面，但我希望Python notebooks會越來越成為主流，這會為文件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，因此計算受到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平行計算選項，我覺得這不再是一個很大的區別。他們都可以整合Hadoop和Spark整合，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，只是功能性的。任何對繪圖的自定義都是困難的，需要你理解複雜的SAS圖形（程式擴充套件）包。
R和Python都具有非常高階的圖形功能，有許多軟體（程式擴充套件）包將為您提供高階圖形功能。
現在，隨著這兩種工具都引入plotly並且Python引入了Seaborn，自定義繪圖變得前所未有的簡單。
SAS – 3
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，只有在研究最新的技術和演算法時，這個特性才重要。
由於其開放性，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。由於R在學術界廣泛應用，因此新功能的發展很快。
儘管如此，SAS在受控環境中釋出更新，因此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。
SAS – 4
R – 4.5
Python – 4.5
6.工作情形
在全球範圍內，SAS仍然是市場領導者，大多數大型組織仍然在SAS上工作。另一方面，R/Python對於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。用於資料分析的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佈情況如下：
SAS – 4
R – 4.5
Python – 4.5
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。所以，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。因此，如果你在安裝方面遇到問題或任何其他技術挑戰，你可以聯絡他們。
SAS – 4
R – 3.5
Python – 3.5
8.深度學習支援
SAS的深度學習仍處於起步階段，還有很多工作要做。
Python在該領域有著巨大的進步，它有許多（程式擴充套件）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的介面。
SAS – 2
Python – 4.5
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（視覺化分析、資料倉儲、資料質量、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等平臺上整合/支援R，這種優勢已不再明顯。儘管它距離SAS這樣的無縫整合還有很遠的距離，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。考慮到行業的動態性，押注什麼即將佔據上風，時機尚未成熟。根據你的情況（職業階段、財務狀況等），你可以增加你自己的權重，並想出可能適合你的方案。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（特別是在印度），我建議你學習SAS作為你的第一語言。學習容易，就業市場佔有率最高。
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。
對於業內的專家和專業人士，人們至少應該知道其中的兩個，這將為未來增加許多靈活性，並開啟新的機會。
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培訓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，因為它有助於進行大量的計算。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鬆。
由於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。
原文標題：
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/