數據科學有一個很大的優點是，數據科學家使用的許多先進的工具都是免費的。事實上，業內免費工具的數量已經非常之大，有時甚至會讓人頭疼，不知該如何選擇。為了幫助大家確定自己該選擇哪些工具，這里列出了用于數據處理的五個值得了解的免費軟件工具。

[[258366]]

Anaconda Distribution

Python之所以成為數據科學領域的一個偉大工具，是因為有大量開發人員構建了基于Python的數據科學庫。對于使用Python完成工作的數據科學家來說，諸如NumPy、SciPy、panda、scikit-learn等庫是必不可少的。不幸的是，即使對于經驗最豐富的開發者來說，處理所有這些Python庫也是一個挑戰。它們可能很難安裝，而且許多都依賴于Python之外的某個軟件。

Anaconda是一個免費的Python發行版和包管理器，它解決了這個問題。Anaconda Python發行版預先安裝了超過200個流行的數據科學Python庫，并且它的包管理器提供了一種簡單的方式來安裝超過2000個額外的包，且無需擔心軟件依賴關系。Anaconda還附帶許多其他流行的工具，包括Jupyter Notebook——它使數據科學家能夠在基于瀏覽器的環境中交互工作。

RStudio & RStudio Server

RStudio是一個集成開發環境(IDE)，是為在R語言中執行交互式數據分析和更正式的編程而定制的。RStudio為交互式工作環境提供了一個很好的平衡，它支持R控制臺和數據可視化面板，以及功能齊全的文本編輯器，該文本編輯器可以實現語法高亮顯示和代碼補全。

一個不太為人所知的工具是RStudio Server，它是RStudio IDE的一個功能完整的版本，運行在服務器上，可以通過瀏覽器訪問。這意味著您可以通過網絡連接從任何地方訪問RStudio IDE，并將計算轉移到專用資源上。這使得數據科學家可以處理潛在的敏感數據，而不必將其下載到個人設備上，也可以在任何設備上用R執行復雜且計算量大的工作。

OpenRefine

OpenRefine最初由谷歌的工程師開發，是一種用于數據清理的開源工具。它允許從業者讀取混亂或損壞的數據，執行批量轉換以修復錯誤，并生成干凈的數據，并以一系列有用的格式導出結果。

OpenRefine的優質特性之一是，它能夠跟蹤在數據集上執行的每個操作，使步驟跟蹤和工作流的重新創建變得非常容易。當您有許多文件都具有相同的數據完整性問題，并且需要相同的轉換時，這尤其有用。OpenRefine允許導出對頭一個數據文件所做的更改序列，并將其應用于第二個數據文件，從而節省重復工作的時間并降低人為操作出現錯誤的可能性。

OpenRefine還提供了非常強大的工具來處理凌亂的文本字段。例如，如果數據集中有一列的條目是“Vancouver, BC”。、“VANCOUVER BC”和“vancouver b.c.”， OpenRefine的文本聚類工具就會識別出它們可能是相同的，并執行批量轉換，以便對每個事件應用單個標簽。

Apache Airflow

在大多數組織中，數據并不是存留在一個地方，也不是只使用一種方法訪問的。通常有多個數據庫、數據存儲系統、API和其他進程，來跟蹤整個組織中的數據。數據團隊的主要工作是將數據從存留的位置移動到需要進行分析的位置，并根據需要進行轉換。理想情況下，這項工作應該盡可能自動化，Apache Airflow可以完成此事。

Airflow是Airbnb的工程師為內部使用開發的，2015年開源。它是一個映射、自動化和調度復雜工作流的工具，這些工作流涉及了許多具有相互依賴關系的不同系統。它可以監控這些流程是否成功，并在出現問題時提醒工程師。Airflow還有一個基于Web的用戶界面，它將工作流表示為一個小作業網絡，這樣依賴關系就可以很容易地實現可視化。

H2O

隨著機器學習技術的成熟，一些基本算法得到了廣泛的應用。廣義線性模型、基于樹的模型和神經網絡都已成為機器學習工具包中的基本元素。然而，盡管R和Python中那些算法的許多實現對于原型設計和概念驗證非常有用，但它們并不能很好地擴展到生產環境中。

H2O是一個開源工具，它提供了流行的統計和機器學習算法的高效和可擴展實現。它可以連接到許多不同類型的數據存儲系統，可以在包括從筆記本電腦到大型計算集群的任何設備上運行。它擁有強大和靈活的工具，來構建模型原型并進行微調，而且在H2O中構建的模型非常易于部署到生產環境中。最重要的是，H2O有Python和R的API，因此數據科學家可以無縫地將其與現有環境集成。

目前數據科學領域的軟件工具數不勝數，在項目啟動時，選擇足夠優秀的免費工具來加速和優化數據流程是一個不錯的選擇。

原文來源：BrainStation