认识达内从这里开始

数据处理是目前大多数软件开发程序员都需要重点关注的一个问题，而本文我们就简单来了解一下，编程开发语言如何处理数据。

面向数组的数据处理：MATLAB/Octave、Julia

面向数组的编程是为了支持数值编程模型：那些基于矩阵代数和相关数值方法的模型。

虽然Python的标准库不直接支持这一点，但Python在设计时考虑了面向数组的编程，并专门为三方NumPy库和类似的面向数组的工具添加了一系列语法和语义特性。

在许多方面，Python的科学技术栈被作为商业MATLAB的替代方案，后者被广泛用于科学和工程领域的建模、仿真和数据分析。GNUOctave是一个开源的方案，目标是兼容MATLAB代码的语法，允许人们对照这两种面向数组的编程方法。

Julia是另一种相对较新的语言，重点关注面向数组的编程和基于类型的函数重载。

学习这些语言，你可以了解Python的科学技术栈，以及有机会通过像OpenCL和Nvidia的CUDA这种技术来探索硬件层面的并行执行，并通过ApacheSpark和专用于Python的Blaze来了解分布式数据处理。

统计数据分析：R

随着对大型数据集的接触越来越多，对灵活处理这些数据集的分析工具的需求也越来越大。R编程语言就是这样的工具，它特别关注统计性的数据分析和可视化。

学习R能会让你深入了解Python在科学技术栈的统计分析能力，尤其是pandas数据处理库和seaborn统计可视化库。

计算管道建模：Haskell、Scala、Clojure、F#

面向对象的数据建模和面向数组的数据处理主要关注静态的数据，无论是以命名的属性形成集合的形式，还是以结构化数据形成数组的形式。

相比之下，函数式编程语言强调以计算流的形式对动态数据进行建模。即便只学习函数式编程的基本知识，也能极大地改进数据转换操作的结构，即使在其它过程式、面向对象或面向数组的程序中也是如此。

Haskell是一种函数式编程语言，对Python的设计产生了重大影响，显著的是在Python2.0中引入的列表推导式。

Scala是一种(存疑的)JVM函数式编程语言，加上Java、Python和R，它们是ApacheSpark数据分析平台的四种主要编程语言。尽管Scala的设计偏重于函数式编程，但它的语法、数据模型和执行模型的设计也大限度地降低Java程序员使用的门槛(因此所谓“存疑的”——其实是因为，Scala好被归类为一门具有强函数式编程支持的面向对象编程语言)。

Clojure是另一种基于JVM的函数式编程语言，是Lisp的一种方言。它之所以出现在这份清单里，因为它是Python的toolz函数式编程工具包的灵感来源。

F#不是我自己特别熟悉的语言，但它作为.netCLR(公共语言运行时)推荐的函数式编程语言，所以还是值得关注。

学习这些语言，你可以深入了解Python自己的计算管道建模工具，包括容器推导式、生成器、生成器表达式、functools和itertools标准库，以及三方的Python函数工具包，比如toolz。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。