С Python.
Но тут есть нюансы. Традиционные ds-инструменты лично я мало использую (сравнительно с тем, как это рекомендуется), т.к. они часто предлагают работать с "обезличенными" многомерными матрицами, а мне удобно, когда можно докопаться до каждого шага и проверить его альтернативным пересчетом. А для этого нужна человекочитаемость на каждом шаге.
Поэтому в основном получается "ванильный" питон со словарями и ООП, а DS-инструменты, такие как pandas, numpy проч - для решения узких задач, таких как проверка статгипотез, визуализация и т.п.
В этом смысле я согласен с Dmitry Maslov, который предлагает использовать самописы. Python, конечно, заимствованный, как и Linux (для оркестровки и прочего), но многие инструменты - свои под конкретные задачи. Да, это более трудоемко, медленно, но зато и ошибки в гипотезах выявляются быстрее.
В т.ч. в чужих расчетах, когда пытаемся метод из статьи какой-нить из "хорошего" журнала применить, а на деле оказывается, что автор подогнал под ответ.