作者：尹华杰
来源：链讲堂
ID：gh_ca5f0599df5e
对于初入数据科学领域的新人来说，脑海中浮现的第一个问题可能是：从事数据科学需要懂编程语言吗？没有编程知识，也许你依然能够在这个领域找到一份工作，毕竟如今有一系列的工具供你选择使用。但你如果想在数据科学领域长远发展的话，一定的编程知识和技能值得你拥有。
当你进一步在搜索引擎中输入：数据科学语言（languages for data science），得到的搜索结果可能是：Python，R，SQL，Scala，Java，C++，Julia，Javascript，PHP，Go，Ruby，and Visual Basic等等。这一系列的语言，令人眼花缭乱，甚至茫然若失。几乎每一种语言，我们都能在数据科学领域找到它的身影。每一种语言都有它的优点和缺点，使用者需要做出选择，用合适的语言解决特定的数据科学问题。对于从哪种语言入手学习，我们很难得到准确的答案，因为这取决于你所面对的数据问题，怎么解决，以及客户需求等诸多因素。但在通常情况下，人们会选择Python，R，SQL开始他们的数据科学之旅。
在接下来的篇幅中，我将对上述多种数据科学语言做简单介绍。
Python
Python是目前非常流行的数据科学语言，许多大型的机构和公司都在使用Python。Python强调代码的可读性和简洁的语法，对于初学者和使用者来说，它都是很好的选择。以下几点是Python吸引人的地方：
高级通用编程语言，有广泛的实际应用
强大的标准库，提供不同任务的有效工具：
科学计算的库：Pandas, NumPy, SciPy, and Matplotlib
人工智能的库：TensorFlow, PyTorch, Keras, and Scikit-learn
自然语言处理：Natural Language Toolkit (NLTK)全球性的Python社区以及丰富的文档
R
R是免费的自由软件,主要用于统计分析、绘图以及数据处理。R在学术界和工业界都有使用。对于缺乏软件编程背景的人来说，R颇受欢迎。R的优点在于：
已形成全世界最大的统计知识库
非常强大的面向对象的统计编程语言
超过16000个R包供使用（2020）
R和其他编程语言/数据库之间有很好的接口
全球性R社区
SQL (Structured Query Language)
SQL（结构化查询语言）最早出现于1974年，是为有效管理关联数据库中的数据而设计的。现有的SQL数据库包括：MySQL、IBMDb2、PostgreSQL、SQLite、Oracle等等。SQL是美国国家标准协会（ANSI）制定的标准。如果你学习SQL并使用一种数据库的话，你可以将掌握的SQL知识应用于其它数据库。
其它语言
在数据科学领域，除了上述三大语言外，还有许多其它语言供你选择，解决特定的数据科学问题。
Java
Java最早是由SUN公司（已被Oracle收购）在上个世纪90年代初开发的一种编程语言。它是一种优秀的面向对象编程语言，具有很强的通用性。
一些数据科学领域比较有名的工具是由Java写的，比如Weka（数据挖掘），Java-ML（机器学习库）等。
Scala
Scala将面向对象和函数式编程结合在一种简洁的高级语言中。在数据科学领域，用Scala语言开发的应用程序中，最流行的莫过于Apache Spark，它是一个开源丛集运算框架。
C++
C++是一种被广泛使用的计算机程序设计语言。TensorFlow是一个采用数据流图(data flow graphs)，用于数值计算的开源软件库，它是基于C++语言开发的，在Python界面上运行，对于没有C++编程经验的用户来说，解决了他们的后顾之忧。大数据管理系统如MongoDB也是用C++开发的。
JavaScript
JavaScript是一种通用语言，它是万维网的核心技术。对于数据科学，最流行的应用无疑是TensorFlow.js。TensorFlow.js使Node.js和浏览器中的机器学习和深度学习成为可能。R-js项目是JavaScript用于数据科学的另一个出色案例。
Julia
Julia是一种高级通用动态编程语言，它是为了满足高性能数值分析和计算科学的需要而设计的。Julia语言相对比较新，发行于2012年，但是它在数据科学领域被寄予厚望。JuliaDB是一个完全由Julia创建的分析数据库。
