通常在这种比较中不被提及。以前是 SAS 与 R 的对比，那是在我早期尝试 Python 的时候，我说 Python 看起来是应该在此考虑范围内的语言。我想三年后，我几天前刚刚更新了这一点。但就用途而言，需要成为数据科学家。有很多人可以应用分析，他们可以自己分析数据，比如哪些是潜在的后续线索，他们可以加快转换速度，或者如果你举个例子，你会发现在哪些领域你可以自己做基本分析来解决问题。通常，这些人只需要了解基本的分析技能，然后他们可以在 Excel、Power Bi、SQL 或
任何 GUI 驱动的工具上完成大部分工作。
通常情况下，学习新 手机号数据库列表 言的问题不会出现。语言问题通常出现在你想成为该领域的数据科学家或业务分析师时。我的看法是，没有公司会因为你懂多种语言而雇佣你。公司雇佣你是因为他们想用其中一种工具来解决问题。再说一次，试图学习所有东西是没有意义的。你首先应该考虑的
是，选择一种语言并精通它。一旦
你做到了这一点，你应该尝试学习更多的技术而不是更多的工具。这就是背景。现在，如果你的目标工作或你希望呈现的想法是跨国公司、银行业或临床研究行业。SAS 在这些行业中一直占据市场领先地位，并且很可能在不久的将来仍然是他们使用的工具。没有哪家银行会因为风险评分机制而停止使用 SAS。SAS 在这些领域非常高效。
然后是 R 和 Python， 销售漏斗的好处 它们都拥有强大的社区和生态系统，提供了很多功能。典型的建模技术会首先在 R 和 Python 中出现，SAS 可能几年后才会出现。展望未来，R 和 Python 显然是未来最值得使用的工具，因为它们提供了大量的生态系统和灵活性，更重要的是，你不需要在采购这些
工具上投入大量资金。如果你是重新开始，我想说，除非你非常确定自己想在银行业工作，或者你在银行工作，并且想提升自己进入分析团队，否则我会说 R 和 Python 是你的最佳选择，SAS 则更适合你，如果你非常清楚自己所在的行业以及你想去的公司。现在，在 R 和 Python 中，如果您有统计学背景，那么 R 显然会成为自然的选择，因为传统上已经进行了大量研究；如果您有编码背景，那么 Python 会成为更简单的选择，因为如果您有面向对象编程背景并且可以轻松掌握它，那么学习速度会更快。
我个人更倾向于 Python 销售线索，因为它提供了生产就绪的环境。它提供了 Web 开发平台和机器学习平台之间的集成，尤其是在 Web 上构建产品时。最近有很多深度学习框架和工作是基于 Python 而不是 R 进行的。我个人更喜欢 Python，但它们都提供了非常丰富的功能生态系统。简单来说，这就是答案。