Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

1.2

 なぜ

Python

をデータ分析に使うのか

3

1.2.2

 「

2

つの言語」問題を解決する

多くの組織では、

SAS

や

R

などのようにドメイン特化型の言語を使って、新しいアイデアを調査し、

プロトタイプを作り、検証します。そして、それらを終えた後に、そのアイデアを

Java

や

C#

、

C++

な

どの言語で実装された製品版のシステムに移植します。しかし、最近多くの人が気付き始めているの

ですが、

Python

は調査やプロトタイピングだけでなく、製品版のシステムを構築するのにも適してい

ます。

1

つの環境で十分なのに、わざわざ

2

つの開発環境をメンテナンスする必要があるでしょうか。

私は、今後、多くの企業が製品版のシステムも

Python

で記述し、

1

つの開発環境をメンテナンスする

ようになると考えています。なぜなら研究者と技術者が同じプログラミングツールを利用することは、

組織にとって大きな利益となるからです。

1.2.3

 

Python

を使うべきではないケース

このように、

Python

は、分析アプリケーションや一般的なシステムの開発に適した素晴らしい環境

ですが、

Python

があまり適していないケースもあります。

Python

はインタプリタ型言語なので、

Java

や

C++

などのコンパイル型言語で書かれたコードに比

べると、多くの場合実行速度が遅くなるでしょう。プログラムを書くのにかかる時間は、一般的には

CPU時間よりも貴重であるため、多くの場合はプログラマ時間を重視するトレードオフで幸せになる

でしょう。しかしながら、待ち時間が ...