文献综述
一、前言
随着大数据时代和人工智能的不断发展，数据分析这一行业已经引起了各行各业的广泛重视。据IDC发布《数据时代2025》的报告显示，全球每年产生的数据将从2018年的33ZB增长到175ZB，相当于每天产生491EB的数据。那么175ZB的数据到底有多大呢？1ZB相当于1.1万亿GB。数据已经成为一种人造的新能源，为了发掘海量数据中所隐藏的规律，我们需要借助编程语言和数据分析软件进行数据挖掘，采用算法建立恰当的模型，可视化地展示出数据中隐含的规律，从而为人们的生产生活、商业活动等提供决策和建议。因此数据分析领域出现了Excel、R、Python、Statistical Analysis System （SAS）等一系列工具，在数据分析的过程中，这些工具帮助数据分析师高效地从海量数据中发现问题，验证假设，搭建模型，预测未来。
图1 The size of the global data circle 2025
二、国内外的数据分析研究现状
国外为了数据分析研制了各种各样的产品，这些产品都拥有广大的用户群体。SAS是由北卡罗来纳州立大学两位生物统计学研究生编写及制定的，最早只是一个数学统计软件，于1976年由Jim Goodnight及John Sall博士等人成立统计分析系统公司，并且正式推出相关软件。SAS把数据存取、管理、分析和展现有机地融为一体。Excel电子表格是Micrsoft推出的Office系列产品之一，是一个功能强大的电子表格软件。凭借着其对用户友好的界面和简单易上手的特性，在中小企业的数据管理，分析中得到了广泛应用。
Python和R都是开源软件，是两个免费的自由软件，使用者们均可以不断改善和丰富Python和R语言在数据分析方面的功能。R语言中各类统计函数皆可以调用，从而令使用者能灵活机动地进行数据分析，甚至创造出符合需要的新的统计计算方法。在数据分析和交互、探索性计算及数据可视化等方面，相对于以上提到的工具，Python凭借着丰富的数据分析类库(如Pandas，Numpy, Matplotlib),越来越受到人们的欢迎。它的优势在于其胶水语言的特性，一些在底层使用C语言写的算法封装在Python包里，呈现非常高效的性能 (Python的数据挖掘包Orange canve 中的决策树能够10秒钟分析50万用户，而R语言则需要数个小时甚至更久，并可能将8G内存全部占满)。Pandas是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，能够简单、直观地处理关系型、标记型数据。它为 Python 提供了高性能、易使用的数据结构与数据分析工具。NumPy是使用Python进行科学计算的数组处理软件包。它提供了高性能的多维数组对象和工具来处理数组。Matplotlib是用于绘制各种图形的Python库，通过Matplotlib可以用Python来绘制各种绘图。
表1 Python main data analysis library
三、研究主要成果
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
