Quel est le meilleur langage de programmation statistique ? Infographie

Un trait commun à toutes les communautés de programmation est la multiplication des débats pour expliquer pourquoi leur langage préféré serait meilleur, plus avancé, plus rapide, plus pur, etc. Dans la communauté data science actuelle, ces discussions sont omniprésentes : les défenseurs de SAS, SPSS, R, Python, Julia, etc. s’opposent sur tous les canaux en ligne pour désigner le meilleur langage de programmation statistique. (Note au passage : ces débats présentés comme « basés sur les données » illustrent souvent à quel point on peut « prouver » n’importe quoi avec des statistiques.)

Si ces échanges profitent à l’écosystème et aux langages eux-mêmes, ils ont aussi un effet négatif sur celles et ceux qui débutent une carrière en analyse de données. Les prises de position biaisées de chaque camp compliquent la tâche des nouveaux et nouvelles analystes, qui peinent à s’y retrouver au moment de choisir un langage statistique.

Une infographie pour chaque langage de programmation statistique

Spécialement pensée pour ce nouveau public (et les futurs débateurs), ainsi que pour toutes les personnes intéressées par l’apprentissage de la data science ou d’un langage statistique supplémentaire, nous avons créé l’infographie « Statistical Language Wars » qui propose une comparaison de base entre des langages comme SAS, R et SPSS afin de visualiser leurs points forts respectifs. L’objectif : offrir un point de départ plus clair.

(Pour vous lancer dans l’apprentissage de R, essayez ce cours d’introduction gratuit. Consultez aussi le R Data Import Tutorial de DataCamp.)

Source : datacamp.com/community/blog

Nous mettrons régulièrement à jour cette infographie en fonction de vos retours, et nous envisageons de créer de nouvelles infographies axées sur d’autres acteurs comme Python et Julia.

N’hésitez pas à partager !