【IT168 评论】近日，著名数据科学网站 KDnuggets 发布了 2018 年数据科学和机器学习工具调查结果。超过 2000 人对自己「过去 12 个月内在项目开发中使用过的数据挖掘/机器学习工具和编程语言」进行了投票。该统计还对过去三年来的排名进行了对比分析。

　　这份投票结果既有预料之内，也有预料之外的部分。数据显示，Python 作为机器学习常用的编程语言正在不断扩大领先优势，R 语言的使用率第一次降到了 50% 以下。在深度学习框架上，最近呼声很高的深度学习框架 PyTorch 仅仅占据了 6.4% 的使用率，远远落后于 TensorFlow 的 29.9% 和 Keras 的 22.2%。

　　Python 继续侵蚀着 R 的用户领域，RapidMiner 热门度增加，SQL 保持稳定，TensorFlow 和 Keras 引领前进，Hadoop 衰落，数据科学平台整合等等。

　　第 19 次年度 KDnuggets 软件调查有超过 2300 人参与投票，略微少于 2017 年，可能是因为仅有一个供应商 RapidMiner 积极地参与 KDnuggests 调查的投票。平均来说，每个参与者选择 7 个使用过的不同工具，因此仅投票一个工具会带来偏差。KDnuggets 排除了大约 260 个这样的「独好」投票(主要来自 RapidMiner)，因为即使他们代表了该工具的合法用户，他们的行为也是非典型的，并且会歪曲结果。

　　以下是基于 2052 个参与者的初始结果分析，其中「独好」投票者已被排除。更多详细分析和匿名数据将在大约两周内公布。

　　最受欢迎的分析、数据科学、机器学习工具

　　图 1：KDnuggests 分析/数据科学 2018 年软件调查：2018 年最受欢迎工具，以及它们相对于 2016-2017 年的排名变化。(为了更有效的比较，KDnuggests 排除了「独好」投票者并重新计算了 2016 年、2017 年的调查结果。)

　　上图显示了排名前 11 的工具，每个工具的使用率至少为 20%。

▲表 1：KDnuggests 2018 年软件调查最受欢迎的分析/数据科学/机器学习软件

　　在这里，「2018 % share」一栏是指使用该工具的用户百分比，「% change」是指和 2017 年软件调查相比的变化比例，绿色和红色标记表示比例的变化幅度达到了 10% 或更多。

　　每个投票人的平均使用工具数量是 7 个，略微高于 2017 年调查的 6.75 个(也排除了「独好」投票人)。

　　和 2017 年的软件调查相比，进入前 11 名的新工具是 Keras。Knime 从第 11 名下跌，可能是因为今年他们并没有积极调动其用户参与投票。

　　以下是一些观察结果。

　　Python 正在吞噬 R 的用户领域

　　2017 年 Python 的使用率超过 50%，今年它的使用率上升至 66%，而 R 的使用率首次下跌，跌破 50%。

　　RapidMiner

　　在之前的几次问卷中，RapidMiner 这一优异数据科学平台正快速传播，它的用户使用率由 2017 年的 33% 增长到了今年的 52.7%。根据 RapidMiner 的创始人和董事长 Ingo Mierswa，他们采取了一些措施鼓励用户参与该调查。

　　对于 KDnuggets 的问卷调查，Ingo Mierswa 说：「近两年我们都向用户发送邮件推广该问卷调查，但今年有超过 400 多位用户回邮件表示很高兴能帮助 RapidMiner 的传播。而且今年 RapidMiner 月度活跃用户增长率超出去年 300%，因此我们向更多用户发送了关于 KDnuggets 问卷调查的邮件。我很高兴看到如此活跃的社区。」

　　SQL 保持稳定

　　作为数据管理系统的程序语言，SQL(包括 Spark SQL 和 SQL to Hadoop 工具)继续保持着约 40% 的使用率，和之前 3 次调查结果一样。因此，如果你是一位有雄心壮志的数据科学家，学习 SQL 吧，它在很长一段时间里都会很有用!

　　趋势

　　该调查唯一使用率超过 2% 的新工具是 Spark SQL，使用率达到 11.7%。下表列举了使用率增幅达到 20% 及以上、2018 年使用率为 3% 以上的工具。

▲表 2：使用率增幅最大的主要分析/数据科学/机器学习工具。

　　整合

　　2017 年使用率达到 2% 及以上的 56 个工具中，有 19 个(仅 1/3)工具在 2018 年使用率有所上升，其余 37 个均下降。这和近期的收购案(Datawatch 收购 Angoss、Minitab 收购 Salford)一道表明数据科学平台的整合正在进行过程中。

　　2017 年使用率至少 3% 的工具，今年下降了 25% 甚至更多，详见下表。

▲表 3：使用率跌幅最大的主要分析/数据科学工具。

　　深度学习工具

　　近两年，该调查中使用深度学习工具的投票者所占份额保持稳定。2018 年有 33% 的投票者使用深度学习工具，2017 年和 2016 年分别有 32% 和 18%。谷歌维护的 TensorFlow 仍然占主导地位，而发展迅速的 Keras 可作为构建在 TensorFlow 和 MXNet 等框架上的高级 API。

　　另一方面，主要由 Facebook 推动，推出已过一年的 PyTorch 吸引了一批研究者和工程人员，使用率达到 6.4%，排名第三。由于这款深度学习框架已和 Caffe2 合并，在未来我们肯定将会看到 PyTorch 占据更大的份额。

　　不过 KDnuggets 更关注数据科学，也更常使用浅层的机器学习算法。我们可能更希望了解机器学习及深度学习社区在框架上的选择，因此读者可以在文末对常用的深度学习框架进行投票。

　　深度学习工具排名：

　　·Tensorflow, 29.9%

　　·Keras, 22.2%

　　·PyTorch, 6.4%

　　·Theano, 4.9%

　　·Other Deep Learning Tools, 4.9%

　　·DeepLearning4J, 3.4%

　　·Microsoft Cognitive Toolkit (Prev. CNTK), 3.0%

　　·Apache MXnet, 1.5%

　　·Caffe, 1.5%

　　·Caffe2, 1.2%

　　·TFLearn, 1.1%

　　·Torch, 1.0%

　　·Lasagne, 0.3%

　　大数据工具：Hadoop 使用率下降

　　2018 年，大约 33% 的用户使用大数据工具，要么是 Hadoop，要么是 Spark，和 2017 年一样。但 Hadoop 的使用率显著下降，跌幅超过 30%。

　　以下是相关细节：

　　编程语言

　　Python 似乎不仅正在取代 R，还包括除了 SQL、Java、C/C++ 之外的大多数其它语言，这三者与 Python 大致处于同一个级别。自 KDnuggets 开始做这项调查以来，R 使用率首次出现下跌。其它语言也出现了衰落的趋势。

　　以下是按热门度排序的主要编程语言：

　　·Python, 65.6% (was 59.0% in 2017), 11% up

　　·R, 48.5% (was 56.6%), 14% down

　　·SQL, 39.6% (was 39.2%), 1% up

　　·Java, 15.1% (was 15.5%), 3% down

　　·Unix, shell/awk/gawk, 9.2% (was 10.8%), 15% down

　　·Other programming and data languages, 6.9%, (was 7.6%), -9% down

　　·C/C++, 6.8%, (was 7.1%), 3% down

　　·Scala, 5.9%, (was 8.3%), 29% down

　　·Perl, 1.0% (was 1.9%), 46% down

　　·Julia, 0.7% (was 1.2%), 45% down

　　·Lisp, 0.3% (was 0.4%), -25% down

　　·Clojure, 0.2% (was 0.3%), -38% down

　　·F, # 0.1% (was 0.5%), -73% down

　　地区参与度

　　本次调查中不同地区的参与比例是：

　　·欧洲，37.5%

　　·美国/加拿大，36.6%

　　·亚洲，11.7%

　　·拉丁美洲，6.6%

　　·非洲/中东，4.5%

　　·澳大利亚/新西兰，3.1%

　　和 2017 年相比，主要的变化是欧洲的参与比例变高了(之前为 35.5%)，而美国/加拿大的参与比例变低了(之前为 41.5%)。

　　完整结果和 3 年来的趋势

　　以下表格展示了调查结果的细节(由于篇幅限制，此处仅列出排名前 12 的工具)：