哪一款数学软件或者编程软件最适合统计专业的学生？

SAS在数据统计学处理上很强大。总之取决于你具体要做什么

处理数据用matlab,如果是文本字符用R或python吧

Matlab是matrixorientated，在做数值运算方面更强大，更适合于数值建模（模型假设以及数据大多数来自于模拟和对实验观测的抽象）。而现实世界中的数据，大多无法直接应用数学模型来解决。常见的数据总有各种不完美的地方，比如missingvalue，outliers,skewness,categoricalvaribles，字符串数据，等等。Matlab在处理这些数据上显然有些力不从心。（而且对许多实际问题来说，有用统计模型无非某个linearmodel和ensembletree）



统计软件的话应该首推R了。R是S语言的具体实现，而S语言是专门为了构建统计模型而设计的。R是dataoriented，所以处理数据上更得心应手。R的语言更接近于C/JAVA/Python，而且近年来Rcpp和rJava的成功也使R在对程序要求较高的人群中流行开来。相较之下，Minitab，SPSS和SAS便显得有些画地为牢。由于过于依赖程序自身的interface（当然还有SAS里奇葩的Macro），精通这些语言并不能提升使用者的编程水平。（PS，本人并不喜欢rJava，这大概源于本人对JAVA的厌恶。不过Rcpp绝对是masterpiece）



R的另一大好处来是开源。开源便意味着任何人都可以为R的发展做出贡献，而这些不求利润的自主的contributor的贡献往往使得免费软件的发展要先于付费软件许多。比如R中最著名的画图软件ggplot2，其实用性和美观度是许多付费软件所不能及的（D3或许可以和ggplot2较量一下）。近年来更多的package，比如dplyr，data.table等，使得R中的数据处理进一步简化，且更加有效。



Python是R的竞争者。Python中许多package也可以做为很好的数据处理及统计建模工具。比如numpy，pandas，sklearn等。pandas大概是python中最有名的数据处理工具了，但其本身也在很大程度上受到了R中data.frame数据结构的影响。相较于R，Python是一个更加严谨的编程语言。在处理大数据问题时，Python比R要更有效。此外，Python也很实用于收集网络数据，处理非表格数据（如xml等）等问题。Python同时还是Matlab的有力竞争者，其数学建模的能力并不输于matlab。（Matlab很令人恼火的地方是很多toolbox需要额外收费，这总能激起我对那逝去的充满盗版软件的童年的无限感怀）



目前为止我还没有找到一个令我喜欢上Matlab的地方（大概是因为我很少做PDE之类的建模），但我不能否认Matlab还是一个比较成功的工具。至于Minitab/SPSS/SAS，有点编程基础的人应该尽量避免。



我个人的经验是，如果有能力，R和Python都应该下点功夫学。两者相辅相成，对于解决实际问题都是很得心应手的工具。而且两者处理数据的思路很不一样，有助于思路的开阔。（野心再大一点的话，C++也是应该写一写，具体可以借鉴一下HadleyWickham的各种Rpackage）
著作权归作者所有，转载需联系作者以获得授权，引用需注明出处。
作者ID:韩咏祺
链接:https://www.applysquare.com/topic-cn/78T2hak9B/?from=singlemessage&isappinstalled=1