數據分析的領導者—爲什麼要使用Python語言呢?
市面上的程式語言有千千百百種，每個語言都有它的特定功用，像是：JavaScript適合用來開發web、C語言可以用來作為作業系統和編譯器的開發…等等，每個語言各司其職，但也可以互相cover彼此的不足，這就是程式語言的強大威力!
也因為各個語言的基礎邏輯是相通的，例如：變數、判斷式、迴圈、函數…等等，所以當你瞭解了其中一種語言的語法及邏輯架構，再學習其他語言時就能更駕輕就熟了。
程式語言熱門評比!
TIOBE Index 是一個熱門程式語言的排行榜，它每個月會根據各搜尋引擎的數據資料，如：Google、Wikipedia、Yahoo…等平台，排名出最受歡迎的程式語言，而2020年9月的前五名分別是C、Java、Python、C++及C#（如下圖一）
其中最受矚目的莫過於近年逐漸崛起的Python，在17年間晉升了10個名次來到排行第三名（如下圖二）
為什麼Python會如此受到歡迎呢?
除了容易撰寫、直觀而受到初學者的喜愛外，其功能強大、方便使用的函示庫大大增加了這個語言的應用範圍，包括目前最熱門的機器學習、物聯網及人工智慧都位在Python的範疇中。此外，對於本篇文章中所探討的「數據分析」Python也是此領域頂尖的佼佼者，我們將以下方的例子來做佐證。
案例簡介
Kaggle 是現今最熱門的數據科學競賽平台，企業和研究者可以在上面發布問題及數據集，全世界優秀的資料科學家則在平台上進行競賽以產出最好的模型。
今天我們會以Kaggle上的一場競賽 “2019 Machine Learning and Data Science Survey” 的數據集來做研究，此份數據是源自於2019年針對資料科學及機器學習的使用者所做的調查，詢問了34個問題並蒐集了19,717筆數據，這其中我們將進一步對「程式語言」相關的問題來做分析，下列是相關的三個問題及選項。
Q5. Select the title most similar to your current role (or most recent title if retired): - Selected Choice
- Data Scientist
- Software Engineer
- Data Analyst
- Research Scientist
- Business Analyst
- Product/Project Manager
- Data Engineer
- Statistician
- DBA/Database Engineer
- Not employed
- StudentQ18. What programming languages do you use on a regular basis? (Select all that apply) - Selected Choice
- Python
- R
- SQL
- C
- C++
- Java
- Javascript
- TypeScript
- Bash
- MATLABQ19. What programming language would you recommend an aspiring data scientist to learn first? - Selected Choice
- Python
- R
- SQL
- C
- C++
- Java
- Javascript
- TypeScript
- Bash
- MATLAB
程式語言使用者調查分析
一、推薦給入門者的程式語言
以下為Q19的統計資料，可以得知Python是備受推薦的入門語言，且大幅領先其他選項，如圖三。應可歸因於Python語法直覺且較接近自然語言，因此使用者較容易理解程式邏輯及架構。
二、各語言使用者推薦的程式語言
接下來，我們進一步針對不同的語言使用者來做分析。
下圖四的每個灰色矩形是不同語言使用者所填答的內容，矩形內各種顏色的方框是此語言使用者推薦的程式語言，而方框的大小代表其所占的比例，越大表示越多使用者推薦使用。
各語言使用者對於Python推薦使用的比例皆在60%以上，依據下圖的結果更能明顯的看到Python幾乎壟斷了全部的市場!
Python的藍色方框代表其得到各語言使用者的喜愛，可以得知Python使用者一用就愛不釋手。而在這個講求大數據的時代，Python逐漸完整的機器學習套件如：Scikit-learn，提供了大量常見的機器學習演算法，使Python跟上現今電腦學界最熱門的趨勢，這應是受到其他使用者大力推薦的原因之一。
三、不同職業推薦的程式語言
藉由下方的圖五，可以發現在「資料科學家」、「資料分析師」、「商業分析師」的調查結果中Python的推薦比例也是最高的， 所以對於資料分析從業人員來說，根據其使用經驗，Python應是不可或缺的工具之一。
而「統計學家」、「資料庫管理員/工程師」的調查結果卻不盡相同（參考圖六、圖七），它們的第一名分別是R語言及SQL。
推論應該是R語言在統計分析（如：stats）、視覺化（如：ggplot2）上的功能強大! 基本上各種統計方法皆能在R上快速的實現，並且能將複雜的資料使用圖表或動圖的方式呈現出來，因此R語言榮登「統計學家」第一名的程式語言也是實至名歸的。
此外，R的語法與Python相比之下更為簡潔，可以將艱澀複雜的統計模型演算法用更容易理解的方式呈現出來，因此R語言在資料分析的使用上其表現也不可小覷。
SQL用於建立、查詢、更新及管理關聯式資料庫系統，簡單來說，SQL就是程式與資料庫間溝通的橋梁，所以對於「資料庫管理員/工程師」來講至關重要，也是工作上主要使用的語言。
來幫大家結論一下~
Python與R語言皆是當今資料科學領域中最熱門的程式語言，這兩種語言各有其優缺點，也有其專攻的應用領域。以作者自身的資料分析經驗，兩者都是資料分析不可或缺的工具，可以根據職業與資料處理的需求來選擇最適合的工具。
本文建議若是在進行資料整理、使用機器學習演算法或是執行深度學習，Python是您最佳的選擇；若在進行數據檢視、製作視覺化圖表或是統計分析，R語言能夠大大助你一臂之力。
兩種語言相輔相成，是進行資料分析的最佳夥伴! 總結來說，若以資料分析為志向想要選擇一種程式語言作為入門，本文建議可以從上面的分析結果當作參考，使用Python做為最主要的入門語言。
希望這篇文章能讓您在程式語言的學習之路上更有信心~
作者:許喬雅(臺灣行銷研究特邀作者)、鍾皓軒(臺灣行銷研究有限公司創辦人）
