SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。
常用功能：
描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等。
SPSS软件优势：
– 专门的绘图系统，可直接读取EXCEL及DBF数据文件绘制清晰直观的各种图表；
– 在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法。
03 SAS
SAS (Statistical Analysis System) 是一个模块化、集成化的大型应用软件系统。它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等.
常用功能：
基本统计数的计算、试验设计的方差分析和相关回归分析、多变数分析的多种统计分析等。
软件优势：
– 最新最全的分析方法，分析技术先进可靠；
– 在离散选择模型，抽样问题，正交实验设计等研究上，SAS较SPSS更有优势。
04 Tableau
Tableau是一款致力于帮助查看并理解数据的统计软件。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在的业务领域就能了解得越透彻。
常用功能：
将数据可视化、数据分析与数据整合的优点延伸到团队与工作组。
软件优势：
– Tableau的拖放界面能可视化任何数据，甚至可以轻松地将多个数据库组合在一起，且不需要任何复杂的脚本。
05Plotly
Plotly是Python数据可视化开发库，它提供了完善的交互能力和灵活的绘制选项。Plotly内置完整的交互能力及编辑工具，支持在线和离线模式，提供稳定的API 以便与现有应用集成，既可以在web浏览器中展示数据图表，也可以存入本地拷贝。
常用功能：
用于绘制常见数据图，条形图，线形图等。
软件优势：
– 交互性强，与R、python、matlab等软件对接，可将统计图形同步到云端；
– 制图美观，基于现代的配色组合、图表形式；
02数据分析进阶软件
01d3.js
d3.js 是一个基于数据的处理文档的Java库，可使用HTML、SVG、CSS创建可视化的数据。与W3C标准兼容，需要使用者有一定的Java基础。
常用功能：
最常被运用在在线新闻网站呈现交互式图形、呈现数据资料的图表和呈现含有地理信息的资料。另外SVG的输出功能也使得D3.js能用于印刷出版物的绘制上。
软件优势：
– 以动画的形式实时的显示地球上的风向、洋流、波浪、污染物和颗粒物的情况;
– D3对视图结果有很大的可控性
02ECharts
ECharts可以兼容当前绝大部分浏览器（IE6/7/8/9/10/11，chrome，firefox，Safari等），提供个性化定制的数据可视化图表。
常用功能：
支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K线图、饼图（环形图）、雷达图（填充雷达图）、和弦图、力导向布局图、地图、仪表盘、漏斗图、事件河流图等12类图表。
软件优势：
– 图表丰富可交互：提供直观生动的数据可视化图表，可实现地理数据、关系数据和多维数据可视化。
03Minitab
Minitab以无可比拟的强大功能和简易的可视化操作深受大家欢迎。
常用功能：
为质量改善、教育和研究应用领域提供统计软件和服务的先导。
软件优势：
– 功能强大：试验设计（DOE）和多元回归。同时开发了崭新的图形分析，假设检验和控制图的广泛改善和提高，其他新增功能包括：泊松回归、离群值测试、公差区间、稳定性研究、等价性测试。
– 离网可用：可以让用户脱离网络环境仍能运行该软件，灵活性很强。
04R
R是一套完好的数据处置 、计算和制图软件系统。
常用功能：
能够提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使运用 者能灵活机动的中止数据剖析 ，致使发明出契合需求的新的统计计算办法。
软件优势：
– 数据存储和处置系统数组运算工具（其向量、矩阵运算方面功用特别 强大）
– 完好衔接的统计剖析工具
– 优秀的统计制图功用
05Python
Python是一种跨平台的计算机程序设计语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。
常用功能：
Web 和 Internet开发，科学计算和统计，人工智能，桌面界面开发，软件开发，后端开发和网络爬虫。
软件优势：
– 简单：Python是一种代表简单主义思想的言语 。
– 易学：Python极端容易上手。
– 速度快：Python的底层是用C言语 写的，很多规范库和第三方库也都是用 C 写的，运转速度十分快。
– 可移植性：由于它的开源实质 ，Python曾经被移植在许多平台上。
库和工具
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Matplotlib是最著名的绘图系统，但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
Python has an excellent set of libraries and tools, including Numpy, scipy, PANDAS, Matplotlib, sciKit-learn, and so on.
Numpy与ScipyNumPy来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多。
Scipy基于Numpy，提供方法(函数库)直接计算结果，封装了一些高阶抽象和物理模型。
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
Matplotlib是最著名的绘图系统，但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
来源：感官科学与评定，宁波诺丁汉大学ITServices，转载请注明来源；
提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，此公众号运营方不负责。如文章涉及侵权或不愿我平台发布，请联系处理。返回搜狐，查看更多