TIOBE 编程社区指数5月榜单在5月12日公布，一个趋势比排名本身更值得注意：统计类编程语言市场正在加速整合。

R 语言本月重回第8位，追平历史最高排名。而 MATLAB、 SAS、Wolfram Mathematica 这些曾经各有领地的工具，排名正在持续下滑。SPSS 上月已跌出前100，Stata 当前排名仅第124位。

这不是局部波动。TIOBE CEO Paul Jansen 的判断是：统计计算领域正在围绕 Python 与 R 两大核心生态 集中化，其他传统语言共同构成市场的局面正在结束。

数据说话

排名	语言	占比	趋势
1	Python	22.6%	↓
2	C	10.99%	↑
4	C++	8.67%	↓
5	C#	7.39%	↑
8	R	—	↑ 重回

Python 仍居榜首，但占比出现了明显下滑。这和过去几年 Python 靠数据科学一枝独秀的格局形成了微妙反差。

为什么会这样

统计编程经历了三个阶段：

• 第一阶段（2000年前）：SAS、SPSS、Stata 各占山头
• 第二阶段（2010-2023）：Python 依靠机器学习生态快速侵蚀传统统计工具市场
• 第三阶段（2024至今）：Python 和 R 形成双核格局，互相补充而非替代

Python 的强项在数据处理、模型训练、工程化部署；R 的强项在统计建模、学术研究、可视化。两者的生态圈越来越完善，而那些中间层的工具（MATLAB 统计工具箱、SAS 的大部分功能）正在被两者蚕食。

对工程师意味着什么

如果你现在还在学 MATLAB 的统计工具箱，找工作时会发现需求越来越少。

务实的路线是：Python + R 双修。前者覆盖数据处理和工程化，后者覆盖学术统计和可视化。这两个组合能覆盖绝大多数统计编程场景。

具体来说：

• Python：pandas、scipy、statsmodels、sklearn
• R：tidyverse、ggplot2、lme4

这两个生态之间的互操作也在改善，reticulate 包让 R 调用 Python 几乎无感，arrow 让数据交换几乎没有性能损耗。

双核生态的形成对行业是好事。统计计算从碎片化走向标准化，意味着工具链更成熟、文档更完善、社区积累更深厚——新入局的人不需要在50种工具里做选择，只需要理解两个生态各自的边界就够了。

---

← Back to blog