大数据时代，不少人已“变身”成为“数据科学星人”。要在大数据产业中纵横驰骋，需要什么杀手锏呢？大圣众包威客平台（www.dashengzb.cn）带大家一起领略那些迷人的数据分析语言。

一、“数据科学”的定义

基本上，我们能接触到的所有科学，都是“数据科学”，否则就称为哲学了。“数据科学”是一门通过系统观察、对照实验、贝叶斯推理的开放试验理念的科学学科。因此，“数据科学”的目标也显而易见——从数据中得出有效的统计推论。有人认为，标签“数据”和使用什么样的数据无关，但这大错特错了。这种情况的发生简直可以说是不可能，因为，做科学却没有接近或得到个人数据，理解系统自身产生的缺陷，智能灵敏地处理伴随非理想状态的数据……难道这有可能吗？

另外需要说一下的是，任何有趣的数据集都至少包含以下一些项——缺失值，异常值和噪声：

缺失值：指粗糙数据中，由于缺少信息而造成的数据的聚类、分组、删失或截断。

异常值：一组测定值中与平均值的偏差超过两倍标准差的测定值，且与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。简单来说，就是由于“灵异事件”或其它原因而远远超出合理的范围的值。

噪声：产生于受海量随机（或非随机的）影响的规整数据的一部分。

很多人不禁疑惑，异常值和噪声的区别在于哪里呢？噪音，一般具有相当容易理解的原因以及可测量的分布，而异常值通常是很少发生的事件的结果，因为发生频率很低使我们不能得到其分布。

而处理这类事情，鼎鼎大名的R语言以及Python等，都是极为有用的工具。

二、优秀数据分析语言的例子

数据分析面向的数据大多数是二维表。因此也就要求数据分析语言，尤其是一门优秀的数据分析语言，首先要有一个数据结构能够直接存下这个二维表，还需要有一套成熟的类SQL的数据操作接口，以及要有一套好用的可视化工具。

作为一门优秀的数据分析语言，R语言就是一个极好的典范。它采用了本身能够提供足够强大的数据操作能力的内置的data.frame结构做数据的存储，另外，还有dplyr、tidyr、data.table、plyr、reshape2等库，可以提供更好用、更高效的数据操作能力。在绘图能力上，除了基本的plot功能外，它还提供了ggplot2这样一套优雅的绘图语言，还通过htmlwidget库与javascript各种绘图库建立了紧密的联系，让可视化的动态展示效果更进一步。

同样以优秀著称的Python，目前在数据分析领域也已经具备了相当可观的能力。其中，Python的pandas库实现的DataFrame结构以及pandas本身提供的数据操作能力，还有matplotlib提供的数据可视化能力，都令Python在优秀的数据分析语言中占据一席重要之位。

容易被人遗忘的Excel，也是一门优秀的数据分析语言。它具备的单元格这种灵活的结构能为数据存储做支撑，并且还有大量的函数以实现灵活的操作。不得不提的是，它的绘图系统也是十分强大的。

优秀的数据分析语言当然还有很多，以上只是粗略的列举。在共享知识年代，不妨多学几手看家杀手锏，以适应变幻莫测的社会发展洪流。

原文地址：http://www.dashengzb.cn/articles/a-249.html

（更多大数据与商业智能领域干货、或电子书，可添加大圣花花个人微信号（dashenghuaer))