这无疑是重复的，但这是我对主要语言的权衡：

回复：

1. 对软件包和专业统计分析社区的出色支持，您可以找到一个软件包来做任何您需要的事情，而且它相对容易使用。
2. 适合将原型放在一起并进行探索性分析。
3. 是免费和开源的。
4. 比 Python 慢。基本上不要循环任何东西。对于程序员来说，这是一种奇怪的语言（来自软件开发背景）。显然是由数学家设计的。
5. 好的IDE选择相对较少

Python：

1. 快速地。
2. 作为通用语言也非常好，因此具有“更广泛”的包支持。免费和开源。
3. 易于用于大数据应用程序。
4. 不像 R 那样简化分析。
5. 语法可能难以阅读（没有大括号以使函数/ if 语句结束的位置很明显）。
6. 与 R 相比，使用 Dataframes 可能特别乏味。

MATLAB：

1. 一般比较慢。
2. 有非常令人印象深刻的信号处理/图像识别包和所有很酷的东西。
3. 可读性强，一般容易理解。
4. 不是免费的。学生许可证可用。对我来说，拿到一只手是相当复杂的……
5. 对类似于 R 的数学分析有很好的支持，但矩阵函数要好得多。

个人推荐：Python。一石二鸟，同时学好高级编程概念和数据科学。

好文章：https ://www.linkedin.com/pulse/r-vs-python-matlab-octave-julia-who-winner-siva-prasad-katru

如果您来自编程开发人员，Python 是一个不错的选择 如果您
想了解更多详细信息，这篇文章会很好
http://www.kdnuggets.com/2015/05/r-vs-python-data-science.html
也您已经提到推荐你开始你的数据科学职业生涯。我认为这Kaggle.com将是初学者的最佳选择。它将帮助你知道这个领域是否适合你。
对于博客，我认为kdnuggets.com将是一个不错的选择。
希望这个答案有帮助..