U nás spíš budeme vybírat mezi R a Numpy+Sci-py. Má prosím někdo zkušenosti s těmito nástroji? Požadavky: datasety importované z CSV a TSV, základní statistika, grafy s proložením získaných hodnot křivkami (tady je nutné vybírat řád pro aproximaci, R to umí určitě). Všechno offline v dávkovém zpracování, "notebooky" možná jen na vývoj.
Kdyby někdo věděl, prosím...
Tak mohl by to být i GNU Octave, to je pravda. Osobně jsem dával přednost Numpy, protože Python - tam je výhoda, že až někoho napadne z toho výpočtu udělat online prezentaci, tak do nacpu do flasku za dva dny. Ale můžeme vyzkoušet i Octave. Máš s tím zkušenosti? jak jsem psal - import CSV, nějaká aproximace/interpolace (podle zákazníků), výstup do grafu s možností úpravy os, razítka. Export asi do PNG.
Na webu GNU/Octave se pise "mostly compatible with Matlab", a to muzu potvrdit. Nake 4-5 radkove priklady z Matlabu bezi, jenze ta kompatibilita neni zdaleka 100% (a to ani nemusim jit do Matlabu nak hluboko). Navic windows-verze docela casto pada...
Ve firme kde delam se masivne pouziva Matlab, a kdyz sem hledal alternativni nastroje, vyskousel sem kde-co (numpy/scipy, octave, scilab/xcos, freemat, atd). Nejlepe mi z toho vysel python (+numpy/scipy)...
osobne by me to netrapilo, tady nikdo Matlab nema a kupovat nebude. naposledy jsem to videl na skole, ale to uz je daaavno :) otazka je, ze pokud se chlubi timto a realne to neumi, jak je to s dalsimi vecmi. proto jsem prosil o radu, protoze precist si toho muzu tunu, ale praxe je praxe.
Pokud nejsou zapotřebí symbolické výpočty a fakt budete jen drtit množství dat (jak jsou ty soubory rozsáhlé?) tak jsou IMHO obě řešení v pohodě. Dnes bych si osobně zvolil R, ale to jen z důvodu, že v Pythonu pracuji přes den a už je to trošku pořád to stejné dokola, takže by pro mě R bylo osvěžení :-) [divnej důvod, uznávám]