我一直在使用F＃一段时间来编写算法，然后再用C ++编写算法，然后用它来检查C ++代码的结果，以及实际记录的数据。
对于事物的建模方面，它非常方便，但对于'数据混搭'类型的东西，从CSV和其他来源提取数据，生成统计数据，绘制图表等，我的同事取笑我（“为什么你自己编码呢？它内置于MatLab“）。
我还有另一位发誓R的同事，他也有“内置”图表。
我知道MatLab，R和F＃没有严格的可比性，所以我不是要求'功能比较拍摄'。我只是想知道其他人正在使用这些分析前和分析后的场景，以及他们对它有多高兴。
（如果有人在那里努力将微软图表包装成F＃友好的东西，请告诉我，我很乐意参与......）
（注意：这个问题的答案是主观的，但请根据经验）
答案 0 :(得分：16)
我对F＃的经验很少，但关于C ++ / Matlab / R：如果程序的执行的速度最重要，请使用C ++。如果实现的速度是最重要的，请使用Matlab或R.这有很多原因，其中最重要的是其庞大的数学/统计软件包库。
Matlab和R都可以通过并行加速：所以一般来说，我认为实施的速度和质量应该是一个更大的问题。在应用程序的设计中，这就是编程的真正“价值”。如果你能在编写一个好的C ++程序的同时编写3个或4个好的R程序，这不是一个小命题。
关于F＃：只要它是微软框架的一部分，它必须提供很多东西。如果您正在使用Visual Studio进行开发或者使用大型.Net项目（例如），那么使用F＃可能是有意义的。另一方面，您可以从.Net应用程序调用Matlab和R，因此我可能会认为他们的库应该是一个更大的问题。例如，请参阅this article as an example for R和the Matlab Builder。
长话短说：比较F＃和Matlab / R不是一个很好的比较。 F＃是一种通用编程语言，而Matlab / R可以被视为大量的数学/数据分析工具包。有些人从F＃中调用Matlab或R，以便利用每种语言的好处（例如，请参阅this discussion，this article on Matlab/F#或this article on R/F#）。
就图表而言：R在这方面非常强大。请查看the graphics view on CRAN和this series of posts on the LearnR blog about Lattice and ggplot2。
答案 1 :(得分：6)
为了这些目的，我在matlab和python / pylab上做了一些工作。这些工具“内置”的是一个编程环境，一个shell和gui工具，用于快速查看来自各种来源的数据。
在一些命令中，您可以从拥有csv文件到屏幕上的交互式图，然后以几乎任何格式导出图像。一旦掌握了它，从数据到可视化需要一两分钟。我认为这在C ++世界中并不常见（虽然我看到一些教授的工作流程相当令人印象深刻）。
我试过R，但我不能说它有用。它似乎提供了相同的功能集，但谷歌可能很难获得支持。
如果您花费超过几分钟的时间从数据到使用当前方法进行绘图，那么绝对值得学习其中一种环境。最佳选择取决于您的同事，您的工作环境，经验和预算。
答案 2 :(得分：3)
这是suitable functional language for scientific/statistical computing上一个问题的合理近似双倍，所以你可能想要仔细阅读那里长而细致的答案。
答案往往取决于您的经验和以前的语言培训。我非常希望R用于数据整理/建模/可视化。
答案 3 :(得分：1)
我使用R因为一方面它内置了所有东西，另一方面你仍然可以操作几乎所有东西或从头开始。然而，R对于繁重的计算来说相当慢（尽管我在其中进行了所有蒙特卡罗模拟）。
我认为Matlab最适合数学函数的可用性，R最适合数据输入/操作/可视化/分析/等，而C ++适用于高速子程序。顺便说一句，您可以在R中轻松集成C ++（或C，fortran，...）代码。为什么不在R中读取和操作输入数据，在C ++中应用模型，并在R中分析/可视化输出？
答案 4 :(得分：0)
我总是在MATLAB中对我的模型进行原型设计。如果我的原型足够快，我重构并完成了。如果没有，我回过头来实现C中的某些函数，由MATLAB调用。这需要了解低级语言，如果您正在做任何技术上具有挑战性的事情，我认为总是如此。
如果它发生了，我对this Lisp flavor很感兴趣。