# 数据分析工具SAS、R、Python三者之间的选择

数据分析工具SAS和R的比较是数据分析界最大的争议，由于Python的简易和实用性近两年也逐渐得到了分析界的重视，现把SAS、R和Python放到一起从数据分析角度来比较这三个工具的应用情况。

首先对三者进行简单的介绍：

（1）SAS：在商业分析领域，它是无可争辩的霸主。SAS提供了丰富的统计功能，友好的GUI界面可以让分析师快速上手，技术支持也做的相当到位。

（2）R：R可以看做SAS的一个“开源版本”，在学术研究上的应用一直很广泛。由于它是开源的，新的模型和算法也更新很快，并且网上有很多说明文档，是个蛮划算的选择。

（3）Python：最早是一个开源脚本语言，近几年使用率大增。如今一些库（如numpy、scipy和matplotlib）和函数的引入，也使得它能支持几乎所有统计分析和统计建模工作。另外也由于Pandas这个库，使得Python在结构化数据的处理上非常给力。

现将从如下个方面来比较这三个工具：

1. 购买成本
2. SAS、R、Python易学性

3\. 数据处理能力

4\. 图形处理能力

5\. 更新速度

6\. 工作前景

7\. 客服支持和社区资源

8\. 其他因素

对于每一个方面，都给出了一个评分（1分最低、10分最高）。

1. 购买成本

SAS是商业软件，对于大部分分析师个人来说，价格有点不美丽！但是SAS在机构或公司中拥有最高的市场份额。而R和Python是免费的，并且可以任意下载。

SAS - 5

R - 10

Python - 10

1. SAS、R、Python易学性

首先，SAS非常容易上手，比如它的PROC SQL命令，对于任何一个学过SQL的人来说都可以立即上手，并且SAS有一个很好的GUI界面，网上有很多学习资源和培训机构。SAS公司也提供了资格认证考试，当然，这又增加了学习者的成本。R的使用要求懂一点编程，但它是一个低阶的编程语言，也因此一个简单的程序需要编写更长的代码。在编程界，Python以简易性闻名，在数据分析界也是如此，对于没有编程基础的同学们还是要下一番苦功的。

SAS - 9

R - 5

Python - 7

1. 数据处理能力

数据处理能力一直是SAS的优势。R的计算都在RAM内存中进行，于是它的计算过程受限于32位机器的RAM内存大小。从对数据分析工作的处理上看，Python是中级规模数据处理的有力工具。这三种软件都有非常好的数据处理能力并且可以并行计算。

SAS - 10

R - 8

Python - 8

1. 图形处理能力

SAS在“功能性”图形处理上表现不错，然而仅仅是对“功能性”而言。如果你想对图进行一些定制化的修改，则需要去了解纷繁难懂的SAS图形包。

与其他2款软件相比，R在图形处理上的表现最好，有非常多的包可以帮你实现。Python的表现居中，你不仅可以使用本地库（matplotlib），还可以调用R使用一些衍生库。

SAS - 7

R - 8

Python - 5

1. 更新速度

这三个工具都提供了基本的、以及最常用的分析函数，你可以应付大部分模型的构建。R和Python由于其开源性，算法可以很快得到更新，R因为一直广泛使用于学术界，因此更新最快。SAS则要再下一个版本中得到更新。

但从另一方面来说，SAS的更新是自有的研发团队完成的，并且得到了很好的测试。而R和Python的更新是“公开贡献”的，出错的可能性要比较大。

SAS - 6

R - 8

Python - 8

1. 工作前景

全球而言，SAS仍然是公司和机构中使用最多的工具，尤其是大型公司。而R/ Python更多是初创公司的选择，或者是一些想要节约成本的公司。最近几年，R和Python在工作中的使用率增长很快.

SAS - 10

R - 6

Python - 5

1. 客服支持和社区资源

R有最大的在线社区，但没有客服支持，因此出现麻烦只能自己想办法解决，当然也会得到别人的很多帮助。

Python丰富的数据交流社区是 Python 的优势之一，它提供了大量的Python 工具包和特性。

SAS有专业的客服团队支持系统，也有60000名的社区成员，所以如果遇到安装或者其他问题，你可以找他们解决。

SAS - 8

R - 7

Python - 7

1. 其他因素

Python不仅在数据分析方面能力强大，在爬虫、web、自动化运维甚至游戏等等很多领域都有广泛的应用。这就使公司使用一种技术完成全部服务成为可能，有利于各个技术组之间的业务融合。

SAS在端到端的部署上（可视化分析、数据仓库等），曾经有巨大的优势，但由于近年一些平台如SAP HANA和Tableau上对R的集成和支持，使得SAS的这一优势有所下降。尽管和SAS的无缝集成相比差距还很远，但道路已经开启。

碧茂课堂精彩课程推荐：

1.Cloudera数据分析课；

2.Spark和Hadoop开发员培训；

3.大数据机器学习之推荐系统；

4.Python数据分析与机器学习实战；

详情请关注我们公众号：碧茂大数据-课程产品-碧茂课堂

现在注册互动得海量学币，大量精品课程免费送！ ———————————————— 版权声明：本文为CSDN博主「ShuYunBIGDATA」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：<https://blog.csdn.net/ShuYunBIGDATA/java/article/details/89672906>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://doc.wangzhigang.com/wen-zhang/shu-ju-fen-xi-gong-ju-sasrpython-san-zhe-zhi-jian-de-xuan-ze.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.