一篇文章告訴你，該學R還是Python

文/數據客（微信公眾號：idacker）

對于想從事數據行業的人和數據工作者來說，是學習R還是 python，哪個工具更實用一直被大家爭論。Martijn Theuwissen，DataCamp 的教育專家詳細比較了這兩個工具。

ython 和R是統計學中兩種最流行的的編程語言，R的功能性主要是統計學家在開發時考慮的（R具有強大的可視化功能），而 Python 因為易于理解的語法被大家所接受。

在這篇文章中，我們將重點介紹R和 Python 以及它們在數據科學和統計上地位之間的差異。

關于R的介紹

Ross Ihaka 和 Robert Gentleman 于 1995 年在S語言中創造了開源語言R，目的是專注于提供更好和更人性化的方式做數據分析、統計和圖形模型的語言。

起初R主要是在學術和研究使用，但近來企業界發現R也很不錯。這使得中的R成為企業中使用的全球發展最快的統計語言之一。

R 的主要優勢是它有一個龐大的社區，通過郵件列表，用戶貢獻的文檔和一個非常活躍的堆棧溢出組提供支持。還有 CRAN 鏡像，一個用戶可以很簡單地創造的一個包含R包的知識庫。這些包有R里面的函數和數據，各地的鏡像都是R網站的備份文件，完全一樣，用戶可以可以選擇離你 最近的鏡像訪問最新的技術和功能，而無需從頭開發。

如果你是一個有經驗的程序員，你可以不會覺得使用R可以提高效率，但是，你可能會發現學習R經常會遇到瓶頸。幸運的是現在的資源很多。

關于 Python 的介紹

Python 是由 Guido van Rossem 創建于 1991 年，并強調效率和代碼的可讀性。希望深入的數據分析或應用統計技術的程序員是 Python 的主要用戶。

當你越需要在工程環境中工作，你會越喜歡 Python。它是一種靈活的語言，在處理一些新東西上表現很好，并且注重可讀性和簡單性，它的學習曲線是比較低的。

和R類似，Python 也有包，pypi 是一個 Python 包的倉庫，里面有很多別人寫好的 Python 庫。

Python 也是一個大社區，但它是一個有點比較分散，因為它是一個通用的語言。然而，Python 自稱他們在數據科學中更占優勢地位：預期的增長，更新穎的科學數據應用的起源在這里。

R和 Python：數字的比較

在網上可以經常看到比較R和 Python 人氣的數字，雖然這些數字往往就這兩種語言是如何在計算機科學的整體生態系統不斷發展，但是很難并列進行比較。主要的原因是，R僅在數據科學的環境中使 用，而 Python 作為一種通用語言，被廣泛應用于許多領域，如網絡的發展。這往往導致排名結果偏向于 Python，而且從業者工資會較低。

R如何使用？

R 主要用于當數據分析任務需要獨立的計算或分析單個服務器。這是探索性的工作，因為R有很多包和隨時可用的測試，可以提供提供必要的工具，快速啟動和運行的數量龐大幾乎任何類型的數據分析。R甚至可以是一個大數據解決方案的一部分。

當開始使用R的時候，最好首先安裝 RStudio IDE。之后建議你看看下面的流行包：

Python 如何使用？

如果你的數據分析任務需要使用 Web 應用程序，或代碼的統計數據需要被納入生產數據庫進行集成時你可以使用 python，作為一個完全成熟的編程語言，它是實現算法一個偉大的工具。

雖然在過去 python 包對于數據分析還處于早期階段，但是這些年已經有了顯著改善。使用時需要安裝 NumPy/ SciPy 的（科學計算）和 pandas（數據處理），以使 Python 可用于數據分析。也看看 matplotlib，使圖形和 scikit-learn 機器學習。

不同于R，Python 有沒有明確的非常好的 IDE。我們建議你看看 Spyder 以及 IPython 網站，看看哪一個最適合你。

R和 Python：數據科學行業的表現

如果你看一下最近的民意調查，在數據分析的編程語言方面，R是明顯的贏家。

有越來越多的人從研發轉向 Python。此外，有越來越多的公司使用這兩種語言來進行組合。

如果你打算從事數據行業，你用好學會這兩種語言。招聘趨勢顯示這兩個技能的需求日益增加，而工資遠高于平均水平。

R：優點和缺點

優點

可視化能力強

可視化通常讓我們更有效地理解數字本身。R和可視化是絕配。一些必看的可視化軟件包是 ggplot2，ggvis，googleVis 和 rCharts。

完善的生態系統

R 具有活躍的社區和一個豐富的生態系統。R包在 CRAN，Bioconductor 的和 Github 上。您可以通過 Rdocumentation 搜索所有的R包。

用于數據科學

R 由統計學家開發，他們可以通過R代碼和包交流想法和概念，你不一定需要有計算機背景。此外企業界也越來越接受R。

缺點

R比較緩慢

R 使統計人員的更輕松，但你電腦的運行速度可能很慢。雖然R的體驗是緩慢的，但是有多個包來提高的r性能：pqR,renjin，FastR, Riposte 等等。

R不容易深入學習

R 學習起來并不容易，特別是如果你要從 GUI 來進行統計分析。如果你不熟悉它，即使發現包可能會非常耗時。

Python：優點和缺點

優點

IPython Notebook

IPython Notebook 使我們更容易使用 Python 進行數據工作，你可以輕松地與同事共享 Notebook，而無需他們安裝任何東西。這大大減少了組織代碼，輸出和注釋文件的開銷。可以花更多的時間做實際的工作。

通用語言

Python 是一種通用的語言，容易和直觀。在學習上會比較容易，它可以加快你寫一個程序的速度。此外，Python 測試框架是一個內置的，這樣可以保證你的代碼是可重復使用和可靠的。

一個多用途的語言

Python 把不同背景的人集合在一起。作為一種常見的、容易理解，大部分程序員都懂的，可以很容易地和統計學家溝通，你可以使用一個簡單的工具就把你每一個工作伙伴都整合起來。

缺點

可視化

可視化是選擇數據分析軟件的一個重要的標準。雖然 Python 有一些不錯的可視化庫，如 Seaborn，Bokeh 和 Pygal。但相比于R，呈現的結果并不總是那么順眼。

Python 是挑戰者

Python 對于R來說是一個挑戰者，它不提供必不可少的R包。雖然它在追趕，但是還不夠。

最終你該學習什么呢：

由你決定！作為一個數據工作者，你需要在工作中選擇最適合需要的語言。在學習之前問清楚這些問題可以幫助你：

• 你想解決什么問題？
• 什么是學習語言的凈成本？
• 是什么在你的領域中常用的工具？
• 什么是其他可用工具以及如何做這些涉及到的常用工具？