问题做数据挖掘一般是用什么编程语言比较好

数据挖掘的编程语言，一般要看用于什么领域来进行选择，介绍一下数据挖掘的编程语言的应用：

数据挖掘会用到SQL结构化查询语言，其它任何编程语言仅是借助SQL结构化查询语言完成数据库的 *** 作、查询和维护。结构化查询语言(Structured Query Language)简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。一般来说做数据分析挖掘每种编程语言基本都能做。比如在社会经济领域，普遍应用的是SPASS、SAS、MODELER等，一般的话，应用EXCEL也是可以的；在其他领域，编程能力强的可以用MATLAB，Python，R等语言上面这几种最好都学一下,做分析方面,R语言是强项。数据可视化是Matlab。但是挖数据要做爬虫，这个又会用到Java和Python,Python是个全能，在分析方面有Numpy，Scipy等数据分析库，又有很多爬虫库，还有matplotlib的库把数据可视化。

如果你想了解数据挖掘使用什么编程语言,推荐CDA数据分析师的课程,课程主要培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并 *** 作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。点击预约免费试听课。

你首先需要加载 RODBC 的包，如果没有，请先安装，譬如我读一个Excel表格的数据（xlsx格式的），代码供你参考:

library(RODBC)

a <- odbcConnectExcel("bzzxlsx")

dd<-sqlFetch(a，"bzz")

close(a)

summary(data)

另外，仔细阅读RODBC包对应的PDF文档，会找到答案的。

在特定的编程语言中,单引号一般表示的是常量,即程序在实际运行的过程中不需要对单引号内的东西求值,原样输出即可；而双引号一般需要先求值再显示 在数据库查询语言中,一般用单引号表示一个字符（串）

R中还有一个有趣的sqldf包，它可以让你用SQL来 *** 作dataframe，这种功能能让会R的人能练习SQL，会SQL的人能练习R，不得不感叹R语言的强大技能和神奇魅力。 \x0d\ 当然也可以将R与外部数据库连接，直接在R中 *** 作数据库，并生成最终结果，这也是一种可行的方法。在R中连接数据库需要安装其它的扩展包，根据连接方式不同我们有两种选择：一种是ODBC方式，需要安装RODBC包并安装ODBC驱动。另一种是DBI方式，可以根据已经安装的数据库类型来安装相应的驱动。因为后者保留了各数据库原本的特性，所以个人比较偏好用DBI连接方式。有下面这几种主要的包提供了DBI连接：RMySQL，RSQLite，ROracle，RPostgreSQL。由名字看得出它们分别对应了几种主流的数据库。 \x0d\ 注：以上文字来自R-blogger—_《在R语言中使用SQL》 \x0d\ 值得一提的是在运用sqldf包时可能要对R软件升级到310版以上，否则安装不会成功，这里简单介绍一种在Windows环境下对R软件自动升级的方法。 \x0d\ Windows上升级R语言：\x0d\ installpackages("installr"); \x0d\ library(installr) #加载包\x0d\ updateR()\x0d\\x0d\之后选择“确定”就可以自动更新了 \x0d\ 虽然在R语言中有很多优秀的函数如aggregate()和daply()可以对数据框统计，但sql功能强大，不仅能实现数据的清洗、统计、运算,还可以实现数据存储、控制、定义和调用。越来越多的公司在招聘的时候都要求数据分析师除了要掌握统计建模和数据挖掘的理论方法和编程能力外，还要求其具备使用sql的能力，楼主也在积极学习sql当中。 \x0d\ 下面是我利用sqldf()完成的一些程序,虽然简单，但这是学习的第一步\x0d\> name subject score stuid stuscore library(sqldf)\x0d\\x0d\1计算每个人的总成绩并排名(要求显示字段：姓名，总成绩)\x0d\> sqldf('select name,sum(score) as allscore from stuscore group by name order by allscore')\x0d\ name allscore\x0d\1 张三 239\x0d\2 李四 240\x0d\\x0d\2计算每个人的总成绩并排名(要求显示字段: 学号，姓名，总成绩)\x0d\> sqldf('select name,stuid,sum(score) as allscore from stuscore group by name order by allscore')\x0d\ name stuid allscore\x0d\1 张三 1 239\x0d\2 李四 2 240\x0d\\x0d\3计算每个人单科的最高成绩(要求显示字段: 学号，姓名，课程，最高成绩)\x0d\> sqldf('select stuid,name,subject, max(score) as maxscore from stuscore group by stuid')\x0d\ stuid name subject maxscore\x0d\1 1 张三 数学 89\x0d\2 2 李四 数学 90\x0d\\x0d\4计算每个人的平均成绩（要求显示字段: 学号，姓名，平均成绩）\x0d\> sqldf('select stuid,name,subject, avg(score) as avgscore from stuscore group by stuid')\x0d\ stuid name subject avgscore\x0d\1 1 张三 英语 7966667\x0d\2 2 李四 英语 8000000\x0d\\x0d\5列出各门课程成绩最好的学生(要求显示字段: 学号，姓名,科目，成绩)\x0d\> sqldf('select stuid,name,subject,max(score) as maxscore from stuscore group by subject order by stuid')\x0d\ stuid name subject maxscore\x0d\1 1 张三 语文 80\x0d\2 2 李四 数学 90\x0d\3 2 李四 英语 80\x0d\\x0d\8．列出各门课程的平均成绩（要求显示字段：课程，平均成绩）\x0d\> sqldf('select subject,avg(score) as avgscore from stuscore group by subject')\x0d\ subject avgscore\x0d\1 数学 895\x0d\2 英语 750\x0d\3 语文 750

这类软件主要用于更专业的数据分析挖掘工作，尤其是在银行、金融、保险业。

SPSS、SAS都是用于统计分析，围绕统计学知识的一些基本应用，包括描述统计，方差分析，因子分析，主成分分析，基本的回归，分布的检验等等。SPSS用于市场研究较多，SAS银行金融和医学统计较多，有一些难度。

R语言像是综合性较强的一类数据分析工具，集统计分析、数据挖掘，数据可视化。

展开来，讲讲数据分析~

这些数据分析工具的使用还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析工具分成两个维度：

第一维度：数据存储层——数据报表层——数据分析层——数据展现层

第二维度：用户级——部门级——企业级——BI级

1、数据存储层

数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。

Access2003、Access07等

，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力；

SQLServer2005或更高版本

，对中小企业，一些大型企业也可以采用SQLServer数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；

DB2，Oracle数据库都是大型数据库

，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；

BI级别

，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。DataWarehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现，BI级别的数据仓库结合BI产品也是近几年的大趋势。

2、报表/BI层

企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。过去传统报表大多解决的是展现问题，如今像帆软报表FineReport也会和其他应用交叉，做数据分析报表，通过接口开放功能、填报、决策报表功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。

Tableau、Qlikview、FineBI这类BI工具，可分在报表层也可分为数据展现层，涵盖了数据整合、数据分析和数据展现。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，可常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——

商业智能

，所以在大数据处理方面的能力更胜一筹。

3、数据分析层

这个层其实有很多分析工具，当然我们最常用的就是Excel。

Excel软件

，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；

SPSS软件

：当前版本是18，名字也改成了PASWStatistics；我从30开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；

SAS软件

：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！

JMP分析

：SAS的一个分析分支

XLstat

：Excel的插件，可以完成大部分SPSS统计分析功能

4、表现层

表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。

PPT：

办公常用，用来写数据分析报告；

Xmind&百度脑图：

梳理流程，帮助思考分析，展现数据分析的层次；

Xcelsius软件：

Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。

最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！

R难。

SQL是所有数据库查询的语言，由于本身结构化的特点，非常容易入手。R是相对SQL比较难的编程技能，在可视化和模型上有着显著的优势。需要扎实的从基础学起，耗费时间较久，而且需要系统学习。

以上就是关于问题做数据挖掘一般是用什么编程语言比较好全部的内容，包括:问题做数据挖掘一般是用什么编程语言比较好、如何让R语言通过RODBC库读写数据库的数据、r语言里面单引号和双引号的区别等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！