关于统计软件-在读PhD学生讨论

Konley

想有书书读 发表于 2小时前
可以，火速学习一手sas，我用python搞大规模数据太慢了

也要看你具体搞大规模数据干什么哈。比如数据清洗合并 用sas+sql的组合就是最舒服的。大规模数据ml训练那sas做不了，只能换高级语言挂hpc上去。sas主要是处理数据阶段比其他几个快，缺点就是不像python开源 包多 不好定制代码

Tripleg

The array of Python libraries have made data preprocessing/processing convenient and quick -- if not 'lightning speed'. Why bother about SAS?

永远没多远

Konley 发表于 2022-11-22 11:15
个人浅薄的经验：sas stata python r c cpp 都有大于2年或者大于5年的使用。最熟练的是前四者，一定要选一 ...

我100多行代码SAS都崩溃了。。。你笔记本还能跑这个吗。
SAS我熟练是熟练工，但是我觉得他处理数据很慢，然后就是做回归分析特别是导出图标很麻烦。不如STATA。

Konley

永远没多远 发表于 57分钟前

不知道你具体处理数据是做什么诶，我没碰到过sas crash的情况，代码行数不太相关，可能主要看你的指令和数据情况？我个人是觉得sas处理数据更快（运算速度更快但是可读性和定制性远不如python）。我用sas处理过最大的差不多一两千万行，几十个variables的各种sql语句这样子，这是在desktop上。笔记本上也能跑，但是肯定慢一些，但不会crash。这要是放python里绝对要挂…

我没记错的话python的pandas之类的是放进ram跑，虽然两者的底层都应该是c，但是python crash的可能性更大。btw，我的笔记本是amd ryzen7的cpu，也就属于普通性能吧。应该不是我的笔记本更耐造的原因哈哈哈。

回归肯定是stata，我从不用sas做回归…就是看各自擅长吧。我们系里的junior faculty一般也是sas处理，stata回归，python和r做一些特别的分析和处理。

其实如果实在不想用sas也没关系，其他语言（严格来说sas不是一种语言）当然也可以解决几乎所有你会碰到的问题。跑得慢就两条路：优化算法或者挂hpc

d.jiao

永远没多远 发表于 2022-11-22 01:58
有的，就是中间过程我会生成很多临时的数据集，会生成很多临时的变量，到最后在合并。这个也要删除吗，我 ...

一个可行的方法是即使存储临时变量，然后删除内存中的，需要的时候再读回来，这样还能规避进程崩溃或者处理不当变量丢失的问题

d.jiao

Konley 发表于 2022-11-22 11:15
个人浅薄的经验：sas stata python r c cpp 都有大于2年或者大于5年的使用。最熟练的是前四者，一定要选一 ...

把所有pd dataframe 的计算处理交给np array，把所有循环写成矩阵的计算，会对效率提升有一些帮助。

Konley

d.jiao 发表于 1小时前
把所有pd dataframe 的计算处理交给np array，把所有循环写成矩阵的计算，会对效率提...

嗯嗯是的

PIDOLIN

Mark一下！               

PIDOLIN

感谢分享！