（本文不针对"数据挖掘"的大规模数据。讨论的仍是常见的中通量科研数据的统计分析）

数据分析和可视化软件层出不穷，让人眼花缭乱。傻瓜式的菜单操作给了我们便利，但给我们科研者带来的却是，数据越来越陌生。这些软件仿佛是实验外包公司一样，您对过程产生过怀疑么？我们提供数据，按照标准的规程一步步操作，结论自动呈现在懒人的面前。我不怀疑软件的正确性，我只怀疑使用者是否考虑过模型中的参数设置。

同现代社会的其它多数娱乐活动一样，数据分析已经缺少了那种自由自在的、充满惊险的探索。DOS系统下的那种敲入代码，做计算机的主人，操纵着软件的灵魂，自己仿佛如同黑客一般，浸入计算机的虚拟世界里。然而这种感觉少了。伴随的后果是，我们不能自由地按照自己的意愿和思维，信马由缰地分析数据。这也是一切皆向文章的后果之一，只有P<0.05才是我们“所需要”的！辛苦了一番得出了P<0.05，不如一知半解的、软件给出的P<0.05。看，这两个P<0.05有区别么？

后几句纯属戏言。莫管他人，让我们这些“固执者”进入那种“纯粹理性”的世界吧！享受数据可视化的炫丽，享受数据分析中逻辑和理性的快感！

MATLAB、R、Python和SAS是数据分析软件大千世界中的四位佼佼者。MATLAB，且不说它的数值运算和simulink。一对[ ]和()可让你信手拈来地处理数据。在MATLAB的绘制图像中，任何东西都是对象，可以点击修改属性，也可以在图像上直接进行拟合，删除数据点。它的imagesc更是美妙至极，将matrix转换为颜色矩阵，更有感觉。MATLAB还满足了对DOS代码时代的回忆。在MATLAB里，可以像windows系统那样，操作几乎所有MATLAB之外的对象。连Arduino，MATLAB都可以操纵，看它多神通广大！

R是统计分析的自由者。data.frame数据结构好像专门为统计分析而生。没有任何其它一种软件内置此类数据结构，它当然不是matrix的简单模仿。您见过可以随意给matrix中任一行、任一列命名的程序吗？像这种命名，在R中俯拾皆是，操纵数据不再枯燥，而是一种快感。R统计分析的优势在于，可以批量化，方便地可视化。R的绘图，更是可以做到信马由缰！让R去探索，SAS做验证。这是我统计分析的座右铭。

Python在脚本里，如R，Perl，让人爱不释手。它即简练，又有现代语言面向对象的特点。这点连R都比不上。试试Biopython吧。用对象方式操作pubmed，可以通过编程批量化处理数据，it is amazing！Python的背后可是google老大的支持。

SAS作为统计分析的航母，当属统计老大。别管它多笨重，多不便，可是人家就是金标准。RPOC中的MODEL书写方式，才是统计模型的数学真谛。PROC下的各个语句，尽管繁琐，但适合深入理解统计模型。SAS中MIXED模型，如小巧多功能的瑞士军刀，几乎涵盖了所有线性模型。许多新鲜的PROC，SAS总能出一本厚重的书来解释它，集该理论之大成，又有丰厚的例子。

MATLAB、R和Python各有优势。如能整合在一起，interactively操作岂不更好？

的确可以。这三个程序，每个对应一个Excel插件，通过COM技术，可以实时地交互数据。Excel是简单的数据库，直观方便，是很好的数据平台。打开一个Excel，再开启MATLAB、R和Python。Excel中任何数据可以像鱼儿一样，在三种软件中游来游去，多有趣。具体方式是，MATLAB通过Excel link插件，R通过RExcel插件，Python通过Datanitro与Excel实时沟通。Excel至少是2007版本，2010最好。再大型的数据，可以用数据库取代Excel，每个软件都会有SQL模块/库支持。小型的数据库也有，如SQLite。每个插件的安装方式和更详细的介绍，google里很多。SAS新的版本也支持R和Excel了，可惜我得不到。没机会尝试。

工欲善其事必先利其器。打造合适自己的数据处理平台，更加透明地探索数据，规律离我们还远么？