适合数据分析师的桌面编程语言
很多场景都需要用编程语言对 Excel、csv 等桌面数据进行分析处理，简单些的比如用用参数查询多个格式相同的文件、批量拆分或合并文件、处理较大的文件；复杂些的比如整理格式不规范的文件、多步骤计算、判断和分支较多的流程、按序号或位置进行计算、分组后处理各组数据、多层关联计算等。
满足上述要求的编程语言很多，但很多面向的是专业程序员，比如 Java、C#，这需要理解沉重的构架，设计数据表对象（Data Table 或 Data Frame）、编写繁琐的代码，经历痛苦的学习。其实，也有一些编程语言不必搭建架构、自带数据表对象，代码简洁、学习方便，适合数据分析师在桌面使用，下面逐一介绍。
Python
Python 是灵活简单的解释型语言，常用第三方函数库 Pandas 进行数据访问和计算。Python 代码简短容易学习，常用的 IDE 是 Jupyter-Notebook（或升级版 Jupyter-Lab）。
Python 支持的数据源种类较多，读写数据源的能力比较强，纯数据读写时通常用 Pandas，代码简短；如果要访问 Excel 边框之类的风格属性，一般用 XLWings 等第三方函数库，代码会比较长。Python 的计算能力比较强，有专门用于计算的数据表对象，提供了大量的基础的计算函数，但实现复杂计算时代码较长。
单独安装 IDE 比较麻烦，要手工安装 Python 解释器，并额外安装 Numpy、Pandas 等第三方函数库，再通过命令行安装 Jupyter。使用 Anaconda 开发平台更加方便，可一键安装 Jupyter 所需的组件，但因为要整合多个不同团队的组件，稳定性不如单独安装。Jupyter 易用程度一般，要通过敲命令来显示函数说明；需要安装扩展组件才能显示函数提示；调试也要通过敲命令进行操作，比较麻烦。Jupyter 唯一的优点是界面简洁清晰，适合数据分析师使用。Python 有处理大文件的机制，但缺乏直接可用的函数，需要手工进行内外存交换。
https://www.anaconda.com/products/distribution
esProc SPL
SPL 是灵活简单的解释型数据计算语言，内置原生的数据源读写库和计算库，整体性比较好。SPL 代码简短易学，除了原生语法，还可以直接在 Excel、csv 等文件上执行 SQL。
SPL 自带 IDE，支持一键安装，不依赖外部环境或解释器，无需配置第三方函数库。SPL IDE 简洁易用，适合数据分析师。IDE 里可用快捷键显示函数说明，有函数输入提示；提供了完整的调试功能，可显示每一步的计算结果。SPL 支持的数据源种类较多，读写数据源的能力较强，可用简短的代码读写常用数据源，但不支持访问单元格边框等风格属性。SPL 计算能力较强，内置便于计算的数据表对象，提供了大量的基础计算函数，进行复杂计算时代码也不长。SPL 有较强的大文件计算能力，提供了很多直接可用的函数，可自动进行内外存交换。
http://www.raqsoft.com/esproc-desktop
KDB+ (Q)
Q 语言是简单灵活的解释型内存数据库语言，内置原生的数据源读写函数库、计算函数库，以及数据库维护函数库，常用的 IDE 是 Studio for KDB+。Q 语言的代码风格不统一，对表数据对象进行计算时采用 SQL 风格，可读性强，学习难度小；其他语句比如流程控制、数据管理则采用 APL 风格，可读性差，学习难度大。
Q 语言的计算能力比较强，内置数据表对象，提供了比较丰富的基础计算函数，可以进行较复杂的计算，代码虽短但难以编写。
Q 语言的安装比较麻烦，每一步都需要手工操作，配置时使用命令行 + 配置文件，启动时需要自己编写脚本，技术要求较高。IDE 需要单独下载，事先需安装好 Java 环境，启动 IDE 需要使用自己编写的脚本。IDE 界面过于简单，缺乏基本功能，比如函数说明、输入提示、调试功能等。Q 语言读写数据源的能力较弱，只支持私有格式和规整的 csv，几乎不支持其他数据源，包括 Excel。Q 语言大文件的处理能力比较弱，需要手工进行内外存交换，缺乏直接计算大文件的函数。
MATLAB
MATLIB 是功能全面集成度较高的解释型计算语言，内置了大量模型预测类库，也有数据源访问和数据计算类库，可以进行桌面数据的分析处理。MATLIB 使用自带的 IDE 进行数据处理，代码简短容易学习。
MATLIB IDE 通过图形界面进行安装，不依赖外部环境或第三方组件，但体积大、耗时长、步骤多。MATLIB IDE 方便易用，有函数说明和输入提示功能，具有完整的调试功能，界面简洁，适合数据分析师使用。MATLIB 支持丰富的数据源，可以用简短的代码读写 Excel/csv 中的数据，也可以访问 Excel 边框之类的风格属性，但后者要使用 com 接口，代码会比较长。MATLIB 有比较强的计算能力，内置便于计算的数据表对象，提供了丰富的基础计算函数，但实现复杂计算时代码较长。
MATLIB 有处理大文件的机制，但能力较弱，需要手工进行内外存交换，缺乏直接针对大文件的计算函数。
https://www.mathworks.com/products/matlab-online.html
R
R 是简单灵活的解释型计算语言，功能全面但集成度不够高，只内置了 csv 读写库和基本的计算库，其他功能需要使用第三方函数库。R 代码简单容易学习，常用的 IDE 是 RStudio。
需要先安装配置 R 的运行环境，再安装 RSutdio 本身，之后再安装 xlsx、xlsReadWrite、data.table 等第三方库函数，都是图形化界面，过程还算方便。RSutdio 提供了函数说明和输入提示，以及完整的调试功能，界面比较简洁，适合数据分析师。R 读写数据源的能力较强，支持种类丰富的数据源，可以用简短的代码读写 Excel/csv 里的数据，也可以读写风格属性，但需要切换类库，代码较长，风格也不统一。
R 的计算能力一般，虽然内置了数据表对象和计算函数，但功能不足数量不够丰富，往往要用第三方函数库补充，稳定性差一些。R 可以实现较复杂的计算，但代码复杂冗长，性能也较差。R 有处理大文件的机制，但能力较弱，需要手工进行内外存交换，缺乏直接计算大文件的函数。
https://posit.co/products/open-source/rstudio/
英文版