r軟體大數據

❶ 國內比較好的大數據分析軟體有哪些

數據分析軟體有Excel、R、Python、BI工具，行業內普遍用的多的是Excel和BI，掌握這兩個就可以滿足大部分業務需求

1、Excel

大家耳熟能詳的軟體了，數據分析領域入門級的工具，也是日常工作時最常用的工具，常用的功能就是數據透視表，再復雜一點就用VBA。

2、R和Python

上手比較簡單，數據導入和導出操作便捷，數據分析場景如下表：

3、BI（商業智能）工具

先科普一下什麼是BI，它主要用來解決什麼？

在這里引用個場景來形象解釋：現在大多數企業都上了OA、ERP、CRM等系統，而這些系統運行一段時間以後，必然幫助企業收集了大量的歷史數據。但是，在資料庫中分散、獨立存在的大量數據對於業務人員來說，只是一些無法看懂的天書。

而業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的具體信息。此時，如何把數據轉化為易懂的信息，使得業務人員（包括管理者）能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能即BI主要解決的問題。

❷ R語言可以處理大的數據嗎

可以，R現在可以和Hadoop組合起來處理大數據。

❸ 如何讓Hadoop結合R語言做大數據分析

R語言和Hadoop讓我們體會到了，兩種技術在各自領域的強大。很多開發人員在計算機的角度，都會提出下面2個問題。問題1: Hadoop的家族如此之強大，為什麼還要結合R語言？x0dx0a問題2: Mahout同樣可以做數據挖掘和機器學習，和R語言的區別是什麼？下面我嘗試著做一個解答：問題1: Hadoop的家族如此之強大，為什麼還要結合R語言？x0dx0ax0dx0aa. Hadoop家族的強大之處，在於對大數據的處理，讓原來的不可能（TB,PB數據量計算），成為了可能。x0dx0ab. R語言的強大之處，在於統計分析，在沒有Hadoop之前，我們對於大數據的處理，要取樣本，假設檢驗，做回歸，長久以來R語言都是統計學家專屬的工具。x0dx0ac. 從a和b兩點，我們可以看出，hadoop重點是全量數據分析，而R語言重點是樣本數據分析。 兩種技術放在一起，剛好是最長補短！x0dx0ad. 模擬場景：對1PB的新聞網站訪問日誌做分析，預測未來流量變化x0dx0ad1:用R語言，通過分析少量數據，對業務目標建回歸建模，並定義指標d2:用Hadoop從海量日誌數據中，提取指標數據d3:用R語言模型，對指標數據進行測試和調優d4:用Hadoop分步式演算法，重寫R語言的模型，部署上線這個場景中，R和Hadoop分別都起著非常重要的作用。以計算機開發人員的思路，所有有事情都用Hadoop去做，沒有數據建模和證明，」預測的結果」一定是有問題的。以統計人員的思路，所有的事情都用R去做，以抽樣方式，得到的「預測的結果」也一定是有問題的。所以讓二者結合，是產界業的必然的導向，也是產界業和學術界的交集，同時也為交叉學科的人才提供了無限廣闊的想像空間。問題2: Mahout同樣可以做數據挖掘和機器學習，和R語言的區別是什麼？x0dx0ax0dx0aa. Mahout是基於Hadoop的數據挖掘和機器學習的演算法框架，Mahout的重點同樣是解決大數據的計算的問題。x0dx0ab. Mahout目前已支持的演算法包括，協同過濾，推薦演算法，聚類演算法，分類演算法，LDA, 樸素bayes，隨機森林。上面的演算法中，大部分都是距離的演算法，可以通過矩陣分解後，充分利用MapRece的並行計算框架，高效地完成計算任務。x0dx0ac. Mahout的空白點，還有很多的數據挖掘演算法，很難實現MapRece並行化。Mahout的現有模型，都是通用模型，直接用到的項目中，計算結果只會比隨機結果好一點點。Mahout二次開發，要求有深厚的JAVA和Hadoop的技術基礎，最好兼有 「線性代數」，「概率統計」，「演算法導論」 等的基礎知識。所以想玩轉Mahout真的不是一件容易的事情。x0dx0ad. R語言同樣提供了Mahout支持的約大多數演算法(除專有演算法)，並且還支持大量的Mahout不支持的演算法，演算法的增長速度比mahout快N倍。並且開發簡單，參數配置靈活，對小型數據集運算速度非常快。x0dx0a雖然，Mahout同樣可以做數據挖掘和機器學習，但是和R語言的擅長領域並不重合。集百家之長，在適合的領域選擇合適的技術，才能真正地「保質保量」做軟體。x0dx0ax0dx0a如何讓Hadoop結合R語言？x0dx0ax0dx0a從上一節我們看到，Hadoop和R語言是可以互補的，但所介紹的場景都是Hadoop和R語言的分別處理各自的數據。一旦市場有需求，自然會有商家填補這個空白。x0dx0ax0dx0a1）. RHadoopx0dx0ax0dx0aRHadoop是一款Hadoop和R語言的結合的產品，由RevolutionAnalytics公司開發，並將代碼開源到github社區上面。RHadoop包含三個R包 (rmr，rhdfs，rhbase)，分別是對應Hadoop系統架構中的，MapRece, HDFS, HBase 三個部分。x0dx0ax0dx0a2）. RHiveRHive是一款通過R語言直接訪問Hive的工具包，是由NexR一個韓國公司研發的。x0dx0ax0dx0a3）. 重寫Mahout用R語言重寫Mahout的實現也是一種結合的思路，我也做過相關的嘗試。x0dx0ax0dx0a4）.Hadoop調用Rx0dx0ax0dx0a上面說的都是R如何調用Hadoop，當然我們也可以反相操作，打通JAVA和R的連接通道，讓Hadoop調用R的函數。但是，這部分還沒有商家做出成形的產品。x0dx0ax0dx0a5. R和Hadoop在實際中的案例x0dx0ax0dx0aR和Hadoop的結合，技術門檻還是有點高的。對於一個人來說，不僅要掌握Linux, Java, Hadoop, R的技術，還要具備 軟體開發，演算法，概率統計，線性代數，數據可視化，行業背景 的一些基本素質。在公司部署這套環境，同樣需要多個部門，多種人才的的配合。Hadoop運維，Hadoop演算法研發，R語言建模，R語言MapRece化，軟體開發，測試等等。所以，這樣的案例並不太多。

❹ 大數據專業需要用到什麼軟體啊

1，分步閱讀
數據分析報告類：Microsoft Office軟體等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。現在的數據呈現不再單單只是表格的形式，而是更多需要以可視化圖表去展示你的數據結果，因此數據可視化軟體就不能少，BDP個人版、ECharts等這些必備的，就看你自己怎麼選了。
2，專業數據分析軟體：Office並不是全部，要從在數據分析方面做的比較好，你必須會用（至少要了解）一些比較常用的專業數據分析軟體工具，比如SPSS、SAS、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析，還有高級的python、R等。
3，資料庫：hive、hadoop、impala等資料庫相關的知識可以學習；
4，輔助工具：比如思維導圖軟體（如MindManager、MindNode Pro等）也可以很好地幫助我們整理分析思路。

❺ 學大數據專業要學習哪些軟體

大數據需要的工具R/Python/MATLAB(必備)：如果是做數據分析和模型開發，以我的觀察來看，使用這三種工具的最多。
R生來就是一個統計學家開發的軟體，所做的事也自然圍繞統計學展開。MATLAB雖然算不上是個專業的數據分析工具，但因為很多人不是專業做數據的，做數據還是為了自己的domain expertise(特別是科學計算、信號處理等)，
而MATLAB又是個強大無比的Domain expertise工具，所以很多人也就順帶讓MATLAB也承擔了數據處理的工作，雖然它有時候顯得效率不高。
Python雖然不是做數據分析的專業軟體，但作為一個面向對象的高級動態語言，其開源的生態使Python擁有無比豐富的庫，Numpy, Scipy 實現了矩陣運算/科學計算，相當於實現了MATLAB的功能，Pandas又使Python能夠像R一樣處理dataframe，scikit-learn又實現了機器學習。

❻ 求《R語言與大數據編程實戰》全文免費下載百度網盤資源,謝謝~

《R語言與大數據編程實戰》網路網盤pdf最新全集下載:
鏈接: https://pan..com/s/1VfVGvlRcVRwfPleEqKLJkQ

❼ 大數據分析哪個軟體做的好

大數據分析的軟體有很多，其中SQL數據分析、Excel數據分析、SPSS數據分析、SAS數據分析、R數據分析等這些軟體都是挺不錯的。

1、SQL數據分析

SQL對於很多數據分析師，取數是基本功。可以翻一下很多數據分析崗位的招聘啟事，不管實際需不需要，都會把熟練掌握SQL這一條寫上來。SQL並不是這么復雜，要學習的只是取數、中高級查詢、簡單數據清洗等。

4、SAS數據分析

SAS由於其功能強大而且可以編程，很受高級用戶的歡迎，也是最難掌握的軟體之一，多用於企業工作之中。需要編寫SAS程序來處理數據，進行分析。在所有的統計軟體中，SAS有最強大的繪圖工具，由SAS/Graph模塊提供，有著強大的數據管理和同時處理大批數據文件的功能。

5、R數據分析

R是一個開源的分析軟體，也是分析能力不亞於SPSS和Matlab等商業軟體的輕量級(僅指其佔用空間極小，功能卻是重量級的)分析工具。R支持Windows、Linux和Mac OS系統，對於用戶來說非常方便，R和Matlab都是通過命令行來進行操作，這一點和適合有編程背景或喜好的數據分析人員。

❽ 如何使用python和R高效而優雅地處理大數據

1、從分類上，兩種語言各有優勢：
（1）python的優勢不在於運行效率，而在於開發效率和高可維護性。在數據的載入和分發，python是很高效的；如果是求一些常用的統計量和求一些基本演算法的結果，python也有現成的高效的庫；如果是純粹自己寫的演算法，沒有任何其他可借鑒的，什麼庫也用不上，用純python寫是自討苦吃。

（2）R 主要是統計學家為解決數據分析領域問題而開發的語言，R 語言的優勢則是在於：
統計學家和幾乎覆蓋整個統計領域的前沿演算法（3700+ 擴展包）；開放的源代碼（free, in both senses），可以部署在任何操作系統，比如 Windows, Linux, Mac OS X, BSD, Unix強大的社區支持；高質量、廣泛的統計分析、數據挖掘平台；重復性的分析工作（Sweave = R + LATEX），藉助 R 語言的強大的分析能力 + LaTeX 完美的排版能力，可以自動生成分析報告；方便的擴展性，包括可通過相應介面連接資料庫，如 Oracle、DB2、MySQL、同 Python、Java、C、C++ 等語言進行互調，提供 API 介面均可以調用，比如 Google、Twitter、Weibo，其他統計軟體大部分均可調用 R，比如 SAS、SPSS、Statistica等，甚至一些比較直接的商業應用，比如 Oracle R Enterprise, IBM Netezza, R add-on for Teradata, SAP HANA, Sybase RAP。

2、關於如何優雅地處理，則是一項藝術家的工作，如果有看過TED演講的話，可以看到很多可視化的數據分析結果，這些都是非常cool的。

3、綜上所述，首先，要針對特定的問題分清楚問題的核心，和研究的方法；然後，挑選合適的工具，進行分析；最後，則是通過藝術家般的想像力，通過數據可視化表達清楚。