從事數據科學和了解數據科學的人，應該都知道數據和數據科學的重要性。數據科學就是利用數據來輔助決策、解決實際面臨的問題。特別是現在大數據時代，企業乃至個人都已經深刻認識到數據背後的無限魅力。
但是，數據科學家們要想完成這複雜而又繁瑣的數據收集、存儲、分析處理工作，就必須依賴這種統計學工具和程式語言。這裡給大家整理和比較了10款較為常用的數據科學工具，而且最後一款是絕對不容錯過！
1.Weka
Weka是一款基於Java語言編寫的機器學習軟體，主要集合了用於數據挖掘的各種機器學習算法，例如分類、回歸、聚類、數據準備和可視化等。而且，Weka是一款開源的工具，能夠在短時間內無需大家編寫任何代碼去理解和實現機器學算法。這對於數據科學的初學者來說，是一款非常理想的工具。
2.Scikit-Learning
Scikit-Learning是僅支持python程式語言，是一款目前廣泛用於分析和數據科學的工具，同時也支持各種機器學習算法，包括數據預處理、回歸、降維、聚類等。
3.Matplotlib
Matplotlib是基於python開發的畫圖和可視化庫，是比較常用的可視化分析數據的工具，可以生產直方圖、條形圖、散點圖等。Pyplot是Matplotlib中最為常用之一的模塊，能夠幫助我們用簡單的代碼繪製複雜的圖形。
4.SAS
SAS是專門為統計操作而設計的開源軟體，使用適合執行統計建模的SAS程式語言。特別大型機構組織，一般都會選擇SAS來幫助他們分析數據。SAS同樣也提供了很多統計庫，讓我們能夠簡單地對數據進行建模分析。
5.BigML
BigML是一個基於雲環境的數據可視化分析工具，能夠通過雲計算根據企業需求來提供標準化的工具，讓公司各個部門能夠用機器學習算法來改善公司組織策略等。
6.Matlab
Matlab是一個多範式數值計算的工具，能夠簡單處理各種各樣的數學問題。特別是在學術科研領域，Matelab是一款非常通用且優秀的工具，能夠幫助你解決從數據清理到更高級的深度學習算法的各種問題。
7.Apache Spark
Apache Spark也被稱為Spark，是一種功能強大的分析引擎，旨在以最佳的方式處理需要批處理和流處理的問題。Spark可以被認為是Hadoop的改進版，執行速度是MapReduce的100倍之多。Sparks還包括許多API，幫助我們進行機器學習、SQL存儲和其他更多功能。
8.D3.js
D3.js是一個完整的javascript庫，允許我們在Web上進行交互可視化。並通過各種API，幫助我們創建動態可視化和瀏覽器中的數據分析。
9.Excel
數據分析，當然少不了我們最為常用的Excel。毫無疑問，Excel被稱為數據科學最強大的分析工具之一。Excel被稱為傳統的數據分析工具，附帶了各種公式、過濾器、表格，切片器等。
10.Jupyter
最後一個款，也是我經常使用的工具——Jupyter。Jupyter是基於IPython的開放原始碼工具，幫助我們製作各種交互式計算設計。而且不僅僅是IPython，Jupyter還支持R，Julia和Python等多種語言。豐富的擴展和計算交互能力，讓很多數據科學分析變得容易起來。
關注靜心科技，一個靜心看待世界的人！