数据工程师应该首先学习哪种编程语言？

据统计，目前世界上的编程语言大概有六百种左右，比较常见的编程语言也有几十种。每种编程语言的出现，都有其用途，有其擅长的领域。个人精力有限，我们不可能把所有编程语言都掌握。就像外语一样，真正学习编程语言需要时间，大多数人刚刚开始时没有那么多的时间学习多种程序语言。

那么，如果你试图进入数据科学领域，并且没有足够的时间，你应该首先学习哪种编程语言，才能最大限度地提高获得工作的机会？

数据科学的三大编程语言

为了了解企业在数据科学方面青睐哪些编程语言，我们可以查一查招聘广告，比如 LinkedIn 。在筛选职位时，不限制企业类型、规模、行业和招聘级别，但纯粹的管理角色不包含在内。在筛选时，也不限定国内的职位，这样可以看看其他国家的需求。（如果你的目标仅仅是在特定的城市寻找工作，请增加筛选条件，毕竟不同地方的侧重点不同，不能一概而论）

根据数据科学职位的招聘广告，统计了数据科学的前10名编程语言，如下图所示：

从中可以看出，到目前为止，Python、R 和 SQL 是数据科学需求量最大的三种语言。有点令人吃惊，排在前三名的为啥有SQL？

如果我们进一步考虑按工作级别对每种语言的需求，结果又会有所不同。

在我提取的100个数据科学招聘广告中，有15个是入门级角色; 44个中级职务; 41个高级职务。从下面的图表可以看出，随着工作资历的增加，能够使用 Python 或 R 编程变得更加重要，而SQL不再那么需要了。

这表明，从长远来看，你学习 R 或 Python 要比 SQL 好得多。

SQL、R 和 Python 之间的关键区别

R 和 Python 都是通用编程语言，各种第三方软件非常丰富，可以完成数据科学的大部分技术要求，包括统计分析和机器学习。

随着工作水平的提高，能够进行机器学习和统计分析变得越来越重要，因此学习能满足这些任务需求的语言也变得更加重要。

另一方面，SQL是专门用于查询和操作关系数据库中的数据的数据库语言。

如果掌握了SQL技能，对一些入门的工作很重要，因为数据主要保存在关系数据库中，通过SQL可以访问到数据库中的数据。然而，一旦获得了给定任务所需的数据，那么SQL的角色几乎就会结束。

虽然各个层次的数据科学家都应该能够提取和处理自己的数据，但随着工作资历的增加，这些技能变得（相对）不那么重要。在一个足够大的组织中，高级数据科学家甚至可能有更多的初级数据科学家为他们提取和准备他们的数据，因此他们可以专注于价值最大化的任务，例如模型开发。

因此，R和Python可以看作是数据科学的两种真正的语言，而SQL只是提供支持（除此之外，还有许多为 Python 和 R 编写的软件包，允许用户从中运行 SQL 查询）。

R 还是 Python？

如果计划将数据科学作为自己的职业，那么理想情况下，应该Python、R和SQL三个语言都学习。

三种语言都学习可以最大化就业机会，也增加了和其他数据科学家沟通能力，你还可以充分利用每种语言的优势，并为工作选择最佳语言。

但是，如果你希望转行到数据科学，并希望尽快获得第一个数据科学的工作，那么你最好掌握一种语言并学习如何使用它来有效地执行各种任务，而不是学习如何在多种语言中完成一组较小的任务（或同一组任务，更不好）。

此外，大多数编程语言的语法规则（例如函数、for循环、if / else语句和变量类型）或多或少都是通用的，所以一旦你掌握了一种语言，你会发现再掌握第二种（或第三种）语言会相对容易一些。

因此，如果你必须选择一种语言，那么Python是比较好的选择。

然而，在选择数据科学的编程语言时，招聘需求并不是唯一考虑的因素。在做出最终决定之前，应该问一问自己：

• 其他人使用什么编程语言？

• 你打算用该语言干什么？

• 你最喜欢哪种编程语言？

• 选择一门专有语言怎么样？

结论

编程语言的流行程度随着时间变化，会发生变化。对于数据科学家来说，它们实际上只是达到目的的手段。但是，如果你不会编码的话，在数据科学方面就不会走得很远。

在本文中，我们将编程语言决策缩小为R与Python之一，并列出了在选择它们时要考虑的一系列因素。如果你仍然无法决定，投硬币决定好了。归根结底，R和Python都是数据科学的优秀语言，我不认为它们中的任何一个很快就会消失。

参考

1. Which Programming Language Should Data Scientists Learn First?