MATLAB、Python、excel之间的取舍？

理由
举报 取消

我现在是学生，时间也是有限的，将来想做数据分析，较熟练使用的软件是MATLAB，但是听说工作中广泛应用的是Phython,和Excel，所以犹豫是不是需要开始学习这两个软件？如果学的话，哪个侧重点高一点呢？现在有必要重点学习excel吗？感觉excel很容易上手，等工作需要的时候现学可以吗？

2017年5月29日 6 条回复 1909 次浏览
用户头像

发起人：小猫钓鱼 初入职场

～

回复 ( 6 )

  1. find goo
    find goo 初入职场
    0
    举报 回复
    理由
    举报 取消

    做商业数据分析，优先用sql来分析，一般用java,c#就可以分析完成任务。如每天定时从某数据库中采集数据分析，用c#开发方便，在linux中用java。

    如果是大数据用hadoop,spark，用大数据工具分析很累，很多函数需要自己写（现在有插件支持sql，但功能不够丰富），前提是数据量很大，如达到pb级别的数据，也只能用这个了，因为数据库跑起来卡得不行。

    智能数据分析，高级一点的用python,matlab的程序分析，支持机器学习，神经网络，svm，模式识别，各种科学计算。

    能用excel的地方，优先用sql数据库，数据库系统支持tb级别的数据分析不是问题，excel适合分析结果导出给别人，可以生成个图表什么的，打印什么的。但excel支持的数据量比较小，超过了100m就开始卡了。我一般用sql生成csv再导入excel展示数据结果给别人看。

    如果用程序做自动化分析，如每天分析结果发邮件给自己，用python，支持数据图片，支持linux服务器(用java也可以，但java一般需要编译，工程化较重，不方便临时修改，但java适合商业环境)。

    做科学计算，人工智能，算法研究，模拟仿真用matlab比较好，内置函数丰富规范，比较省力。

    把以上工具结合起来用，更好用。

  2. 芷菡
    芷菡 管理大师
    0
    举报 回复
    理由
    举报 取消

    为什么Excel能和MATLAB，python相提并论?

  3. LUBB
    LUBB 初入职场
    0
    举报 回复
    理由
    举报 取消

    本人数学专业，大学时候老师告诉我，学好了MATLAB以后不工愁没工作。

    现在工作几年，如果是我回到学生时代，肯定会好好学MATLAB，学到很熟。同学现在在华为，具体岗位记不清了，工作只用一个MATLAB就搞定。我是大大小小换过几家公司，基本都是做数据运营，excel用的多，MATLAB都忘干净了。

    建议，先把matelab学精，然后Python，在后熟悉excel。如果你想把excel学的很好的话，还要学VBA。

    简单数据或者只是做数据/图标呈现的话，就用excel。如果需要抓取大量数据，用于数据挖掘，就用Python，对数据做较复杂的逻辑处理处理的话，还是MATLAB。

    仅个人之言

  4. 爱因斯法
    爱因斯法 初入职场
    0
    举报 回复
    理由
    举报 取消

    题主说想做数据分析，再回答本问题之前，我想问题主一个问题：我想砍树，请问我在锄头、手工锯、电锯之间如何取舍？

    肯定是手工锯和电锯之间选择或者配合使用。

    MATLAB是matrix&laboratory两个词的组合

    数据分析至少包括数据采集，清洗，分析。

    Python可以提供一整套的数据采集，清洗，分析的工具，然而R仅仅是分析工具。

    刚才说到海量数据分析，Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。Python（R+SQL/HiveR）的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面（主要用在金融分析与趋势预测）无论是经典还是前沿的方法都有相应的包直接使用；相比python在这方面贫乏不少。Python的优势在于其胶水语言的特性，一些底层用C写的算法封装在python包里后性能非常高效(Python的数据挖掘包Orange canve 中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。总的来说Python是一套比较平衡的语言，各方面都可以，而R是在统计方面比较突出。但是数据分析其实不仅仅是统计，前期的数据收集，数据处理，数据抽样，数据聚类，以及比较复杂的数据挖掘算法，数据建模等等这些任务，只要是100M以上的数据，R都很难胜任，但是Python却基本胜任。
    Python是一门多功能的语言。数据统计是更多是通过第三方包来实现的。具体来说，我常用的Python在统计上面的Package有这样一些1.Numpy与Scipy。这两个包是Python之所以能在数据分析占有一席之地的重要原因。其中Numpy封装了基础的矩阵和向量的操作，而Scipy则在Numpy的基础上提供了更丰富的功能，比如各种统计常用的分布和算法都能迅速的在Scipy中找到。2.Matplotlib。这个Package主要是用来提供数据可视化的，其功能强大，生成的图标可以达到印刷品质，在各种学术会议里面出镜率不低。依托于Python，可定制性相对于其他的图形库更高。还有一个优点是提供互动化的数据分析，可以动态的缩放图表，用做adhoc analysis非常合适。3.Scikit Learn。非常好用的Machine Learning库，适合于用于快速定制原型。封装几乎所有的经典算法(神经网络可能是唯一的例外，不过这个有Pylearn2来补充)，易用性极高。4.Python标准库。这里主要是体现了Python处理字符串的优势，由于Python多功能的属性和对于正则表达式的良好支持，用于处理text是在合适不过的了。

    Python有替代MATLAB做数据处理、分析的势头

    Python和R相比在统计上还是欠缺不少的。R上很多开源统计包和软件Python上暂时找不到好的替代，比如做bioinf的Bioconductor。SAS一般给药厂人用的比较多，因为基于FDA认证这层关系，其它软件的功能和效用上并不能很好地代替它。SPSS一般是做普通的社科统计用的，只需要会鼠标点击、设置相应参数即可。再说性能。Python的性能不错，开发速度快，很容易做出数据量稍大，比如上GB情况下的Demo。这一点R和Matlab是略困难的。注意我的机器是24核96G RAM下谈的，普通笔记本更不能奢望能直接用MATLAB和R挑战GB以上的原始数据。光是Parsing就很慢。针对超大数据集，开源的Python、R都有自己的解决方案，比如Rhadoop或者GPU包。SAS貌似也有支持，MATLAB略困难。SPSS没有这方面支持。

    可以参考一下回答：

    如何快速成为数据分析师？ – 知乎

    想学数据分析（人工智能）需要学哪些课程？ – 知乎

    数据分析师和数据科学家有何区别？ – 知乎

    工具只是工具，语言也只是工具，解决问题才是最重要的，不要为了学语言而学语言。带着问题去学。

    最后强推一下慢慢崛起的Julia language。麻理精品。

  5. 势求遇运
    势求遇运 初入职场
    0
    举报 回复
    理由
    举报 取消

    1. excel

    上手度：容易

    优点：分析结果较为直观，对于中小规模数据处理快捷而简单

    缺点：不适合处理大数据；自创或者修改已有的数学模型较为麻烦

    进阶技能：学会使用数据分析模块；学会加载公开的新模块；学会VBA的使用

    2. matlab

    上手度：适中

    优点：功能强大，各种toolbox适合于分析多种类不同的数据，内嵌多种现存的模型和函数可以直接调用

    缺点：正版挺贵的；处理字符串略麻烦；对机器性能要求较高

    进阶技能：学会加载公开的新模块；编写m文件的时候能够尽量多使用矩阵运算

    3. python

    上手度：难度较大，但是若有一定的编程经验或者有高手带入门则难度降至matlab同级

    优点：模块丰富，字符串处理能力强，可以从事于从数据的清洗到分析整套流程；免费

    缺点：毕竟是免费的，有些计算模型不一定已经写好了，这个时候就需要自己补充了

    进阶技能：用得越熟练越好

  6. 匿名用户
    匿名用户 管理大师
    0
    举报 回复
    理由
    举报 取消

    excel什么鬼

我来回答

Captcha 点击图片更换验证码