在〈資料分析工具那麼多，該怎麼選？ ️〉這一篇文章中，有稍微提及了資料科學的工具鏈與生態。「做資料分析一定要寫程式嗎？」是許多分析人會面臨的抉擇與問題，程式的入門是相對比較高的門檻。但隨著資料科學的演進，許多商業軟體都逐漸成熟。從完整的套裝軟體到實現彈性比較強的程式來說，大概可以把常見的資料分析工具分成幾種類型：
- BI 工具
- 分析模型套裝軟體
- 程式語言
① BI 工具和 ② 分析模型套裝軟體 可以讓分析者花費較少的精力的程式的負擔上，對於非工程背景的人來說門檻比較低，更能夠專注在分析上。不過相對來說，就會受限於工具的能力，不同工具可以提供的功能不完全相同。運用 ③ 程式語言 作為分析的工具，主要可以有更彈性的支援。
資料科學當中的程式語言
「程式語言」是分析者的工具中擁有比較大的彈性與使用門檻的手段，想要怎樣的資料操作流程或模型方法都可以自己實現。通常會有兩種情況是只有程式才能達到的：
- 客製化的資料處理過程，例如資料很特別、或是數量很大；
- 使用最新或冷門的模型，套裝軟體沒有提供。
當然使用程式語言也不是要從零開始寫程式，現在也有很多第三方的工具可以讓分析更有效率也更方便。不同的程式語言對於資料分析的支援程式也不同，以目前主要用於資料分析的程式語言主要有三個：
資料科學家、資料分析師、資料工程師，實務上如何在資料團隊分工
程式架構與分析生態完整的 Python
Python 是一個作為各種開發使用的程式語言，直譯與強型別的程式語言。Python 支援多種開發的混合模型，包含物件導向（OOP）與函數式編程（FP）。Python 也可以作為 Script 語言使用，是一種膠水語言。Python 的設計哲學強調簡潔的語法，規定使用空格縮排的特性讓程式碼有較高的可讀與一致性。網路上也流傳一句經典的話：「人生苦短，我用 Python」來描述的 Python 的精妙之處。
Python 的初始開發者是 Guido van Rossum ，第一版在 1991 年發布。據說 Guido van Rossum 當時是「為了打發時間而開發 Python」。他在開發完 Python 之後先後在 Google 及 Dropbox 工作，前幾年短暫退休後覺得太無聊近期又加入了 MicroSoft。
Python 僅僅作為一個程式的話，是難以扛起資料分析當中的數學底子。那為什麼 Python 會在數據分析當中扮演一席之地呢？原因是 Python 的另外一個優點是擁有強大的開源生態，在 Python 當中的套件幾乎無奇不有，絕大部分的資訊工作都可以看到 Python 的身影。在資料分析當中有 Numpy 和 Pandas 打下了 Python 在數學與資料的重要元件之後，也奠定了 Python 的地位——具有程式架構與數據分析的整合。除此之外也陸續發展出各種套件：
Python 的資料分析生態系：
- 資料收集： Request、beatifulsoup、Scrapy
- 資料前處理與科學計算： NumPy、 SciPy、 Pandas
- 資料視覺化： Matplotlib、 Seaborn、 Bokeh、 Plotly
- 模型訓練： Statsmodels、SciKit-Learn、xgboost
- 深度學習： TensorFlow、Pytorch、Keras
- 自然語言與文本資料處理： NLTK、Gensim
基於統計學的 R 語言
R 語言一開始的設計就是基於「數學」，主要用於統計分析、資料分析的目的。根據官網的介紹，R 是一種用於統計運算與畫圖的語言與環境。R 當中提供了非常多種統計相關的方法，例如線性與分線性的模型、假設檢定、時間序列或是分類／分群等等。另一個優勢是提供了高質量的圖表，也包含了數學符號和公式（蠻多論文都可以一眼看出 R 風格的圖表）。
開發 R 語言的創始者分別是紐西蘭奧克蘭的兩位統計學家 Ross Ihaka 和 Robert Gentleman，現在是由「R 語言開發核心團隊」以開源的方式進行協作。值得一提的是，R 是 S 語言的一個 GNU 開源專案，跟 S 語言有高度的相容性。S 語言是統計研究當中的工具，而 R 則提供開源的方式提供開發。
R 的特定是他以函數型編程（Functional Programming）與統計分析作為設計理念，在程式當中的基本型態是以向量（Vector）和矩陣（Matrix）的概念為最小單位，是一種高度數學化的特性。
另外介紹兩個重要的開發夥伴： RStudio 和 CRAN。 RStudio 作為 R 最主要的編譯開發環境（IDE）， CRAN（Comprehensive R Archive Network）是 R 當中的套件管理平台，收錄／維護了官方與第三方的套件提供下載。
集結 Python、R 和 C++ 一體的 Julia
Julia 是一種動態程式語言，最初是為了滿足高效能的數值分析和科學計算而設計的。為了達到效能的需求， Julia 具備即時編譯的效能。換句話說，Julia 集結 Python 的簡潔、R 的數學特性 與 C++ 的效能於一體。而在資料分析方面，Julia 也支援許多科學分析套件與機器學習的套件，例如醫療、AR擴增實境、基因組學及風險管理等領域。
原始的三位設計者分別是 Jeff Bezanson、 Stefan Karpinski 以及 Viral B. Shah 與 Alan Edelman 教授指導，最早是從 MIT 的 Julia Lab 所發展。Julia 語言是全球熱度上升最快的程式語言之一，2012 年正式公開此計畫，也在 2018 由 MIT 實驗室正式發布了 Julia 1.0。
身為分析工作者，應該如何選擇呢？
從最新一期 TIOBE 的程式語言排行來看，Python 跟 R 都持續的在熱門的名單當中。
去年 Python 超過 C++ 達到了第三名，而後續幾個月也持續上升。
值得觀察的是 Java 百分比持續往下（5 月時第一名的被 C 取代），而穩定上升的 Python 也持續逼近 Java。R 語言也在 7 月的時候，因為武漢肺炎疫苗研發需求而往上，達到 TIOBE 排名新高第 8 名，目前也維持在前 10 名內。Julia 從 2016 首次進入前 50 名的行列之後持續往前，今年從去年的 30 名進入的第 26 名的位置。
另外一個我們來看 Stack Overflow Trends，無論是放在一起比較討論量：
或是分開看趨勢：
基本上你會發現這個 Python 往上趨勢還是蠻明顯的，而 Julia 的討論還是相對有限。
R、Python 與 Julia 號稱是資料科學的三大程式語言，而他們也有各自的優缺點與一席之地。R 有著原生統計特性的優勢、對於各種數值運算與分析模型可以完美的結合，而 Python 加上適合的套件提供一個強大完善的數據分析程式生態系。近期由 MIT 所引領的 Julia 更號稱是結合 Python、C++、R 於一體的新程式語言，搭著「資料分析新女神」的名號橫空出世。那麼在 2020 這個時間點，想踏入資料分析領域的我們究竟該如何選擇呢？
就我自己的觀點來看：目前看起來 Python 是首選、有些比較專業的統計方法可以考慮 R ，至於 Julia 還要觀望一下。
（原文發表於「資料科學家的工作日常」，原標題為〈身為資料科學家，R、Python 與 Julia 該怎麼選？〉）
