理工酷

MATLAB/Octave：

• 广泛用于信号处理
• 有许多很有用的库
• 最简单，最简洁的语言，适用于涉及矩阵运算的任何问题
• 适用于任何仅表示为数字特征矩阵的对象，但如果不是具备这个条件的其他问题，不建议使用
• 缺乏良好的开源系统

Python

• 非常分散但十分全面的科学计算堆栈
• Pandas，scikit.learn，numpy，scipy，ipython和matplotlib是我最常用的科学计算库
• IPython Notebook是一个很好的交互式数据分析工具
• 具备通用编程语言的所有优点
• 但是如果不使用C语言，速度会很慢
• 一些科学计算堆栈仍然只存在于python2.7版本中
• 非常适合于在pandas和nltk等工具之间出现的不是简单特征矩阵的问题
• 具有比较完美的开源系统

R

• 统计学家比较倾向使用R
• 具有注重单元测试的高质量库
• 有出色的交互式数据分析工具，比如RStudio
• 速度缓慢且占用大量内存
• 需要使用库时要手动操作，通常比较麻烦

Julia

• 我个人比较喜欢的新语言
• 作为一种新的语言，没有提供太多可用的库
• 它将高级动态语言（如MATLAB和Python）的灵活性和简洁性与低级静态类型语言（如C）的速度结合起来
• 语法对于MATLAB用户非常熟悉，与MATLAB不同的是for循环是很高效的，因此无需在不应该进行操作的地方进行矢量化