Wat is de beste statistische programmeertaal? Infographic

Een kenmerk dat alle programmeergemeenschappen gemeen hebben, is de talloze discussies over waarom hun favoriete programmeertaal beter, geavanceerder, sneller, heiliger, enzovoort is. In de huidige data science-community lijken deze discussies alomtegenwoordig, met voorstanders van SAS, SPSS, R, Python, Julia, enz. die elkaar op elk online medium bestrijden en uitdagen over de beste statistische programmeertaal. (Tussendoor: deze 'data-driven' debatten zijn vaak een goed voorbeeld van hoe je met statistiek alles kunt bewijzen.)

Hoewel deze discussies goed zijn voor de community en de programmeertaal als geheel, hebben ze helaas ook een negatief effect op mensen die net aan het begin staan van hun carrière in data-analyse. Gekleurde meningen aan alle kanten van de tafel maken het voor nieuwe data-analisten lastig om door de bomen het bos te zien bij het kiezen van een statistische programmeertaal.

Een infographic voor elke statistische programmeertaal

Speciaal voor deze nieuwe groep data-analisten (en toekomstige debatters), én voor iedereen die geïnteresseerd is in het leren van data science of een extra statistische taal, hebben we de infographic 'Statistical Language Wars' gemaakt die een basisvergelijking geeft tussen statistische programmeertalen zoals SAS, R en SPSS om te zien hoe ze zich tot elkaar verhouden. Dit moet een duidelijker startpunt bieden.

(Om te beginnen met R, probeer deze gratis introductiecursus. Bekijk ook DataCamp’s R Data Import Tutorial.)

Bron: datacamp.com/community/blog

We zorgen ervoor dat we deze infographic regelmatig bijwerken op basis van jullie feedback, en we overwegen zeker om nieuwe infographics te maken die zich meer richten op andere spelers zoals Python en Julia.

Voel je vrij om te delen!