我以前在一家使用Go语言的公司工作过。我们处理的是金融数据。我发现非常恼火的是，很多同事会用Go来处理一些一次性任务，比如汇总CSV文件、用一些数据更新数据库，或者从数据库中获取数据，然后尝试制作图表。我一次次看到同事不断实现基本的算法，比如滚动中位数，或者寻找最大值。他们不把数据加载到Pandas中进行分组，而是创建某种使用map的循环解决方案。我完全理解为什么有些人更喜欢在生产环境中使用Go而不是Python，但我一直无法理解为什么人们不学习标准的数据科学工具，而是选择在Go中重新发明轮子，总是调试自己的边界错误。鉴于我知道很多基本功能都是临时编写的，而且可能根本没有经过测试，我很难相信这些分析的结果。最后，我认为这并不是公司时间的良好利用。这更像是出于一种自大心理——认为Go是足够的。
源讨论Go 是我的锤子，而所有东西看起来都像钉子原帖 798 条评论 · 导入时统计把你的经验，加入这段讨论。
我也有完全相同的经历，它是一门不错的语言，但用它来做它不适合的事情，比如数据探索对我来说毫无意义。 生产数据管道则不同，但仅在充分测试之后，正如你所说，如果你在实现像数值例程这样的东西时，要确保有良好的测试。
完整原文你不需要花时间学习标准的数据科学工具。这些任务定义明确，不同博客中都有详尽的文档，而如今的AI驱动代码生成，只需要基本的编程知识就足够了。试图用Go来操作CSV数据并生成可视化图表将是浪费时间，结果也不尽如人意。
完整原文> 我以前在一家使用Go语言的公司工作。我们处理的是金融数据。 处理金融的人是我认识的最保守的人。没有任何新工具会在经过数年的验证后才被使用，即使新工具根本没有接触到该流程的任何部分，出现问题时它仍会被责怪 - 即使新工具根本没碰过那部分流程 =) 来源：我曾为一家金融公司提供咨询，他们用的还是老式的Java和COBOL =)
完整原文> 不需要把数据加载到Pandas中然后进行分组 SQL可以做`group by`。没必要用“数据科学工具”来大材小用。
完整原文我和你同事做过同样的事情。最近我发现自己发现pandas + jupyter notebook 是更好的工具。然而，作为一名偶尔需要处理数据的Go语言开发者，我完全依赖LLM聊天代理来完成我的工作。 但其余的工作仍然是用Go语言，所以需要在不同语言之间切换，但还能应付。想象一下，一个Go爬虫生成CSV，然后一个Python脚本处理这个CSV。
完整原文我大部分时候看到的相反情况是，pandas 和 jupyter notebooks 被直接部署到生产环境，因为数据科学家和AI工程师除了Python之外不知道如何做其他事情。结果解决方案性能不佳，经常由于Python更松散的类型系统而出现运行时崩溃
完整原文> 我以前在一家使用Go语言的公司工作。我们处理金融数据。 希望你从未忘记初始化一个数值字段，让它默认为0！
完整原文> 移动中位数，或者寻找最大值 真正的问题是，你为什么还要写代码来生成图表，而不是在Excel中加载csv文件，两分钟内就能得到一个干净的图表。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。