1.5　常用的数据分析与挖掘工具

“欲先善其事，必先利其器！”这里的“器”含有两方面的意思，一方面是软实力，包含对企业业务逻辑的理解、理论知识的掌握和施展工作的清醒大脑；另一方面是硬实力，即对数据挖掘工具的掌握。接下来就针对数据分析和挖掘过程中所使用的几种常用工具做简单介绍。

1．R语言

R语言是由奥克兰大学统计系的Robert Gentleman和Ross Ihaka共同开发的，并在1993年首次亮相。其具备灵活的数据操作、高效的向量化运算、优秀的数据可视化等优点，受到用户的广泛欢迎。近年来，由于其易用性和可扩展性也大大提高了R语言的知名度。同时，它也是一款优秀的数据挖掘工具，用户可以借助强大的第三方扩展包，实现各种数据挖掘算法的落地。

2．Python

Pyhton是由荷兰人Guido van Rossum于1989年发明的，并在1991年首次公开发行。它是一款简单易学的编程类工具，同时，其编写的代码具有简洁性、易读性和易维护性等优点，也受到广大用户的青睐。其原本主要应用于系统维护和网页开发，但随着大数据时代的到来，数据挖掘、机器学习、人工智能等技术越发热门，进而促使了Python进入数据科学的领域。Python同样拥有各种五花八门的第三方模块，用户可以利用这些模块完成数据科学中的工作任务。例如，pandas、statsmodels、scipy等模块用于数据处理和统计分析；matplotlib、seaborn、bokeh等模块实现数据的可视化功能；sklearn、PyML、keras、tensorflow等模块实现数据挖掘、深度学习等操作。

3．Weka

Weka由新西兰怀卡托大学计算机系Ian Written博士于1992年末发起开发，并在1996年公开发布Weka 2.1版本。它是一款公开的数据挖掘平台，包含数据预处理、数据可视化等功能，以及各种常用的回归、分类、聚类、关联规则等算法。对于不擅长编程的用户，可以通过Weka的图形化界面完成数据分析或挖掘的工作内容。

4．SAS

SAS是由美国北卡罗来纳州大学开发的统计分析软件，当时主要是为了解决生物统计方面的数据分析。在1976年成立SAS软件研究所，经过多年的完善和发展，最终在国际上被誉为统计分析的标准软件，进而受到各个领域的广泛应用。SAS由数十个模块构成，其中Base为核心模块，主要用于数据的管理和清洗、GHAPH模块可以帮助用户实现数据的可视化、STAT模块则涵盖了所有的实用统计分析方法、EM模块则是更加人性化的图形界面，通过托拉拽的方式实现各种常规挖掘算法的应用。

5．SPSS

SPSS是世界上最早的统计分析软件，最初由斯坦福大学的三个研究生在1968年研发成功，并成立SPSS公司，而且在1975年成立了SPSS芝加哥总部。用户可以通过SPSS的界面实现数据的统计分析和建模、数据可视化及报表输出，简单的操作受到了众多用户的喜爱。除此之外，SPSS还有一款Modeler工具，其前身是Clementine，2009年被IBM收购后，对其性能和功能做了大幅的改进和提升。该工具充分体现了数据挖掘的各个流程，例如数据的导入、清洗、探索性分析、模型选择、模型评估和结果输出，用户可基于界面化的操作完成数据挖掘的各个环节。

上面向读者介绍了5款较为常用的数据分析与挖掘工具，其中R语言、Python和Weka都属于开源工具，读者不需要支付任何费用就可以从官网下载并安装使用；而SAS和SPSS则为商业软件，需要支付一定的费用方可使用。本书将基于开源的Python工具来讲解有关数据分析和挖掘方面的应用和实战。