大家好，我是篱笆老师Iris 。作为一名在数据行业从业多年的工作者，日常打交道最多的 。除了领导同事 ， 就是各式各样的分析工具了 。所以想必大家也非常好奇，DAIDS最常用的工具？数据分析师 。
数据科学家们最常用的是哪些工具？数据分析相关的工作，该如何选择工具来进行study？在本期的视频当认识我们就来认识和对比数据分析工 。
业界常见的数据分析工具，从整体上来说，主要被用来做三件事情：
数据预处理 。数据预处理是数据建模，可视化，数据可视化，SQL的天下 。除了有的时候偶尔也会用Excel来做一些简单的工作 。在这里我就不做过多的分享了 。
总之SQL是一定要学的数据建模和数据分析 。常用的有Python和R数据可视化中常 ， Tableau和Power BI，也是最常被拿来比较的数据分析工具了 。今天我们就着重一些，也为大家提供选择的思路和交流 。
如果你对这个话题感兴趣或者后续想要了解一下 。
R和Python有许多的相似之处 。两种语言之间的数据结构基本概念相似，大多数基本概念其实都非常相似 。在不同的数据场景下 ， 都有丰富的第三方的包可以使用，覆盖了网络爬虫、数据加工，数据可视化 。
统计分析 ， 机器学习，机器study等多个领域，通过下面的图片的对比，大家就可以非常直观的体会到两者之间的相似之处 。
【大家好，我是篱笆老师Iris,作为一名在数据行业从业多年的工作者】总的来说，不管你是学R还是Python，都可以满足日常工作的需要，皆可满足 。但既然是两种语言，两者不同之处？R和Python还是有很多的不同的地方的统计分析领域 。
首先在统计分析领域 ， 绝对是更优于Python的 。因为R统计学家为统计工作开发的工具，许多复杂模型和统计验证的方法 ， 在R上都可以比较轻松的实现 。如果你的职业方向是偏向统计的话，那我一定会优先推荐你掌握R，优先推荐掌握R 。相反 ， 在除统计以外的各个领域之内 ， 包括数据的预处理 ， 数据预处理，应用软件开发 ， 深度study领域等等 。Python的综合表，现是优于R的 。R就是R和Python，在不同的领域内，各有所长，催乳 。那么介绍了这么多，R和Python应该选哪一？我们到底应该选哪一个呢？
我想和大家从两个角度来对比一下 。
流行度：分别是流行度，也就是市场需求以及study难度 。流行度学习难度 。首先就是流行度 ， 包括stackoverflow在内的不同网站的调查数据都显示 。Python在编程社，Python受欢迎，调查显示在所有语言中，Python受欢迎的程度在前三名 。但是R也基本上都在15名开外，并且他们也调查了不会这两门语言的受访者 。其中有30%的Python，都想要study 。但是只有5%的人对，LEL对study 。R有兴趣，更受市场的欢迎 。也就意味着Python有着更大的交流社群和支持 。
我个人在传统和互联网公司都工作过 。从我过去五六年的从业和面试经验来看，市场对Python的分析工具 。
从这点来看呢，Python完胜，学习难度 。
从study难度的角度来看，study是不同的 。R入门门槛比较高，入门门槛高 。刚开始study，R的时候 ， 有一个比较陡峭的study曲线，到后面趋于平缓 。一旦了解了最基本的知识和新text，拿捏就能比较容易的study 。更高级的内容 。Python相反的是Python的入门门槛较低，语句非常易读易懂 。study曲线起始阶段，且平缓，渐陡峭，当你需要用写一些应用程序 ， 或者有一些更高难度要求的应用的时候Python想要进阶会比R更难一些，进阶比R更难 。两者之间的共同和不同之处 。
但其实大家也不用过于纠结 ， 不管是Python还是R，他们其实都只是我们jie决问题的工具 。很少有公司会对工具有非常非常严格的要求 。
其实你思考和解决问题的逻辑能力，快速学习能力，你快速study的对业务的了解，以及对业务的了解等等，往往是更重要的 。
好了今天的分享就到这里了，希望会对大家有所帮助 ， 拜拜 。我们下次再见，拜拜 。
