數(shù)據(jù)科學入門丨選Python還是R
對于想入門數(shù)據(jù)科學的新手來說，選擇學Python還是R語言是一個難題，本文對兩種語言進行了比較，希望能幫助你做出選擇。
我是德勤的數(shù)據(jù)科學家主管，多年來我一直在使用Python和R語言，并且與Python社區(qū)密切合作了15年。本文是我對這兩種語言的一些個人看法。
第三種選擇
針對這個問題，Studio的首席數(shù)據(jù)科學家Htley Wickham認為，比起在二者中選其一，更好的選擇是讓兩種語言合作。因此，這也是我提到的第三種選擇，我在文本最后部分會探討。
如何比較R和Python
對于這兩種語言，有以下幾點值得進行比較：
· 歷史：
R和Python的發(fā)展歷史明顯不同，同時有交錯的部分。
· 用戶群體：
包含許多復雜的社會學人類學因素。
· 性能：
詳細比較以及為何難以比較。
· 第三方支持：
模塊、代碼庫、可視化、存儲庫、組織和開發(fā)環(huán)境。
· 用例：
根據(jù)具體任務和工作類型有不同的選擇。
· 是否能同時使用：
在Python中使用R，在R中使用Python。
· 預測：
內(nèi)部測試。
· 企業(yè)和個人偏好：
揭曉最終答案。
歷史
簡史：
ABC語言 - > Python 問世(1989年由Guido van Rossum創(chuàng)立) - > Python 2(2000年) - > Python 3(2008年)
Fortan語言 - > S語言(貝爾實驗室) - > R語言問世(1991年由Ross Ihaka和Robert Gentleman創(chuàng)立) - > R 1.0.0(2000年) - > R 3.0.2(2013年)
用戶群體
在比較Python與R的使用群體時，要注意：
只有50％的Python用戶在同時使用R。
假設使用R語言的程序員都用R進行相關“科學和數(shù)字”研究。可以確定無論程序員的水平如何，這種統(tǒng)計分布都是真實。
這里回到第二個問題，有哪些用戶群體。整個科學和數(shù)字社區(qū)包含幾個子群體，當中存在一些重疊。
使用Python或R語言的子群體：
· 深度學習
· 機器學習
· 高級分析
· 預測分析
· 統(tǒng)計
· 探索和數(shù)據(jù)分析
· 學術科研
· 大量計算研究領域
雖然每個領域幾乎都服務于特定群體，但在統(tǒng)計和探索等方面，使用R語言更為普遍。在不久之前進行數(shù)據(jù)探索時，比起Python，R語言花的時間更少，而且使用Python還需要花時間進行安裝。
這一切都被稱為Jupyter Notebooks和Anaconda的顛覆性技術所改變。
Jupyter Notebook：增加了在瀏覽器中編寫Python和R代碼的能力;
Anaconda：能夠輕松安裝和管理Python和R。
現(xiàn)在，你可以在友好的環(huán)境中啟動和運行Python或R，提供開箱即用的報告和分析，這兩項技術消除了完成任務和選擇喜歡語言間的障礙。Python現(xiàn)在能以獨立于平臺的方式打包，并且更快地提供快速簡單的分析。
社區(qū)中影響語言選擇的另一個因素是“開源”。不僅僅是開源的庫，還有協(xié)作社區(qū)對開源的影響。諷刺的是，Tensorflow和GNU Scientific Library等開源軟件(分別是Apache和GPL)都與Python和R綁定。雖然使用R語言的用戶很多，但使用Python的用戶中有很多純粹的Python支持者。另一方面，更多的企業(yè)使用R語言，特別是那些有統(tǒng)計學背景的。
最后，關于社區(qū)和協(xié)作，Github對Python的支持更多。如果看到最近熱門的Python包，會發(fā)現(xiàn)Tensorflow等項目有超過3.5萬的用戶收藏。但看到R的熱門軟件包，Shiny、Stan等的收藏量則低于2千。
性能
這方面不容易進行比較。
原因是需要測試的指標和情況太多。很難在任何一個特定硬件上測試。有些操作通過其中一種語言優(yōu)化，而不是另一種。
循環(huán)
在此之前讓我們想想，如何比較Python與R。你真的想在R語言寫很多循環(huán)嗎？畢竟這兩種語言的設計意圖不太相同。
{
"cells": [
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [],
"source": [
"import numpy as npn",
"%load_ext rpy2.ipython"
]
},
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [],
"source": [
"def do_loop(u1):n",
"n",
" # Initialize `usq`n",
" usq = {}n",
"n",
" for i in range(100):n",
" # i-th element of `u1` squared into `i`-th position of `usq`n",
" usq[i] = u1[i] * u1[i]n"
]
},
{
"cell_type": "code",
"execution_count": 3,
"metadata": {},
"outputs": [],
"source": [
"%%Rn",
"do_loop <- function(u1) {n",
" n",
" # Initialize `usq`n",
" usq <- 0n",
"n",
" for(i in 1:100) {n",
" # i-th element of `u1` squared into `i`-th position of `usq`n",
" usq[i] <- u1[i]*u1[i]n",
" }n",
"n",
"}"
]
},
{
"cell_type": "code",
"execution_count": 4,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"1.58 ms ± 42.8 ?s per loop (mean ± std. dev. of 7 runs, 1000 loops each)n"
]
}
],
"source": [
"%%timeit -n 1000n",
"%%Rn",
"u1 <- rnorm(100)n",
"do_loop(u1)"
]
},
{
"cell_type": "code",
"execution_count": 5,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"36.9 ?s ± 5.99 ?s per loop (mean ± std. dev. of 7 runs, 1000 loops each)n"
]
}
],
"source": [
"%%timeit -n 1000n",
"u1 = np.random.randn(100)n",
"do_loop(u1)"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.6.3"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
Python為0.000037秒，R為0.00158秒
包括加載時間和在命令行上運行：R需要0.238秒，Python需要0.147秒。強調(diào)，這并不是科學嚴謹?shù)臏y試。
測試證明，Python的運行速度明顯加快。通常這并沒有太大影響。
除了運行速度外，對于數(shù)據(jù)科學家而言哪種性能更重要？兩種語言之所以受歡迎是因為它們能被用作命令語言。例如，在使用Python時大多時候我們都很依賴Pandas。這涉及到每種語言中模塊和庫，以及其執(zhí)行方式。
第三方支持
Python有PyPI，R語言有CRAN，兩者都有Anaconda。
CRAN使用內(nèi)置的install.packages命令。目前，CRAN上有大約1.2萬個包。其中超過1/2的包都能用于數(shù)據(jù)科學。
PyPi中包的數(shù)量超過前者的10倍，約有14.1萬個包。專門用于科學工程的有3700個。其中有些也可以用于科學，但沒有被標記。
在兩者中都有重復的情況。當搜索“隨機森林”時，PyPi中可以得到170個項目，但這些包并不相同。
盡管Python包的數(shù)量是R的10倍，但數(shù)據(jù)科學相關的包的數(shù)量大致相同。
運行速度
比較DataFrames和Pandas更有意義。
我們進行了一項實驗：比較針對復雜探索任務的執(zhí)行時間，結(jié)果如下：
在大多數(shù)任務中Python運行速度更快。
http://nbviewer.jupyter.org/gist/brianray/4ce15234e6ac2975b335c8d90a4b6882
可以看到，Python + Pandas比原生的R語言DataFrames更快。注意，這并不意味著Python運行更快，Pandas 是基于Numpy用C語言編寫的。
可視化
這里將ggplot2與matplotlib進行比較。
matplotlib是由John D. Hunter編寫的，他是我在Python社區(qū)中最敬重的人之一，他也是教會我使用Python的人。
Matplotlib雖然不易學習但能進行定制和擴展。ggplot難以進行定制，有些人認為它更難學。
如果你喜歡漂亮的圖表，而且無需自定義，那么R是不錯的選擇。如果你要做更多的事情，那么Matplotlib甚至交互式散景都不錯。同樣，R的ShinnyR能夠增加交互性。
是否能同時使用
可能你會問，為什么不能同時使用Python和R語言?
以下情況你可以同時使用這兩種語言：
· 公司或組織允許；
· 兩種都能在你的編程環(huán)境中輕松設置和維護；
· 你的代碼不需要進入另一個系統(tǒng)；
· 不會給合作的人帶來麻煩和困擾。
一起使用兩種語言的方法是：
· Python提供給R的包：如rpy2、pyRserve、Rpython等；
· R也有相對的包：rPython、PythonInR、reticulate、rJython，SnakeCharmR、XRPython
· 使用Jupyter，同時使用兩者，例子如下：
之后可以傳遞pandas的數(shù)據(jù)框，接著通過rpy2自動轉(zhuǎn)換為R的數(shù)據(jù)框，并用“-i df”轉(zhuǎn)換：
http://nbviewer.jupyter.org/gist/brianray/734bd54f468d9a6db9171b2cfc98405a
預測
Kaggle上有人對開發(fā)者使用R還是Python寫了一個Kernel。他根據(jù)數(shù)據(jù)發(fā)現(xiàn)以下有趣的結(jié)果：
· 如果你打算明年轉(zhuǎn)向Linux，則更可能是Python用戶；
· 如果你研究統(tǒng)計數(shù)據(jù)，則更可能使用R；如果研究計算機科學，則更可能使用Python；
· 如果你還年輕(18-24歲)，則更可能是Python用戶；
· 如果你參加編程比賽，則更可能是Python用戶；
· 如果你明年想使用Android，則更可能是Python用戶；
· 如果你想在明年學習SQL，則更可能是R用戶；
· 如果你使用MS office，則更可能是R用戶；
· 如果你想在明年使用Rasperry Pi，則更可能是Python用戶；
· 如果你是全日制學生，則更可能是Python用戶；
· 如果你使用的敏捷方法(Agile methodology)，則更可能是Python用戶；
· 如果對待人工智能，比起興奮你更持擔心態(tài)度，則更可能是R用戶。
企業(yè)和個人偏好
當我與Googler和Stack Overflow的大神級人物Alex Martelli交流時，他向我解釋了為什么Google最開始只官方支持少數(shù)幾種語言。即使是在Google相對開發(fā)的環(huán)境中，也存在一些限制和偏好，其他企業(yè)也是如此。
除了企業(yè)偏好，企業(yè)中第一個使用某種語言的人也會起到?jīng)Q定性作用。第一個在德勤使用R的人他目前仍在公司工作，目前擔任首席數(shù)據(jù)科學家。我的建議是，選擇你喜歡的語言，熱愛你選擇的語言，起到領導作用，并熱愛你的事業(yè)。
當你在研究某些重要的內(nèi)容時，犯錯是難以避免的。然而，每個精心設計的數(shù)據(jù)科學項目都為數(shù)據(jù)科學家留有一些空間，讓他們進行實驗和學習。重要的是保持開放的心態(tài)，擁抱多樣性。
最后就我個人而言，我主要使用Python，之后我期待學習更多R的內(nèi)容。
r語言和python學哪個?
綜上所述，選擇學習R語言還是Python，需要根據(jù)個人的興趣、職業(yè)規(guī)劃以及項目需求來定。如果你是數(shù)據(jù)科學家或有統(tǒng)計分析背景，R可能更適合你；而如果你希望在更廣泛的領域內(nèi)開發(fā)應用，特別是與機器學習和人工智能相關的項目，Python將是一個更好的選擇。
數(shù)據(jù)科學入門丨選Python還是R
使用Python或R語言的子群體:· 深度學習· 機器學習· 高級分析· 預測分析· 統(tǒng)計· 探索和數(shù)據(jù)分析· 學術科研· 大量計算研究領域雖然每個領域幾乎都服務于特定群體,但在統(tǒng)計和探索等方面,使用R語言更為普遍。在不久之前進行數(shù)據(jù)探索時,比起Python,R語言花的時間更少,而且使用Python還需要花時間進行安裝。這一切...
python和r語言哪個入門容易
剛開始學習R語言的時候了解最基本知識和語言邏輯，入門不難，如果數(shù)理統(tǒng)計基礎好的話學起來更容易，相反，如果沒有數(shù)理背景，學習起來會增加難度;Python看重可讀性和易用性，學習難度比較平緩，對于初級小白而言，十分友好，可就業(yè)方向也有很多。4、就業(yè)方向：R場景：數(shù)據(jù)探索、統(tǒng)計分析、數(shù)據(jù)可視化;崗位：數(shù)...
Python和R語言的區(qū)別
Python入門簡單，而R則相對比較難一些。R做文本挖掘現(xiàn)在還有點弱，當然優(yōu)點在于函數(shù)都給你寫好了，你只需要知道參數(shù)的形式就行了，有時候即使參數(shù)形式不對，R也能"智能地”幫你適應。這種簡單的軟件適合想要專注于業(yè)務的人。Python幾乎都可以做，函數(shù)比R多，比R快。它是一門語言，R更像是一種軟件，...
數(shù)據(jù)分析中的Excel、R、Python、SPSS、SAS和SQL
進階階段，根據(jù)行業(yè)需求，選擇R語言、SPSS或SAS。R語言在統(tǒng)計分析領域廣泛應用，尤其在互聯(lián)網(wǎng)行業(yè)。SPSS界面友好，適合統(tǒng)計訓練者，而SAS在金融領域，尤其是銀行業(yè)和醫(yī)學統(tǒng)計中常見。SAS學習難度較高，且成本昂貴。Python是多功能語言，綜合能力強。Numpy和Scipy提供基礎矩陣和向量操作，Matplotlib用于數(shù)據(jù)可視化...
推薦適合初學者的編程軟件(為編程新手推薦的15款優(yōu)秀編程軟件)
3. PythonIDLE：入門必備選擇 PythonIDLE是Python編程語言官方推薦的集成開發(fā)環(huán)境（IDE），具有簡單易用、功能強大等特點，適合初學者進行Python編程練習。4. Notepad++：動手實踐學習編程 Notepad++是一款免費且開源的文本編輯器，支持多種編程語言。為用戶提供豐富的插件和功能，適合初學者進行網(wǎng)頁開發(fā)。5. ...
做機器學習開發(fā),除了python,選擇什么語言合適?
Julia是一種新興語言，旨在結(jié)合Python、MATLAB和R的特性和C++、Java的執(zhí)行速度，其在深度學習和科學計算領域表現(xiàn)出色。Julia具有高性能計算能力，易于上手，適合科學計算領域的開發(fā)者。JavaScript通過TensorFlow.js庫，為機器學習領域提供了新的選擇，尤其適合Web開發(fā)人員學習使用。TensorFlow.js允許在瀏覽器中創(chuàng)建...
數(shù)據(jù)分析用python還是r語言
Python和R兩門語言有許多平臺適應性，Linux、Windows都可以用，并且代碼可移植性強。Python和R比較貼近MATLAB以及minitab等常用的數(shù)學工具。Python和R語言的區(qū)別：數(shù)據(jù)結(jié)構(gòu)方面，由于從科學計算的角度出發(fā)，R中的數(shù)據(jù)結(jié)構(gòu)非常簡單，主要包含向量、多維數(shù)組、列表、數(shù)據(jù)框;而Python則包含更豐富的數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)...
請問常用的統(tǒng)計軟件有哪些?
接著是MATLAB，這款軟件雖在統(tǒng)計分析上不如SPSSAU便捷，但在數(shù)學建模、算法實現(xiàn)等方面擁有獨特優(yōu)勢。對于需要進行復雜數(shù)據(jù)分析或開發(fā)統(tǒng)計模型的用戶，MATLAB無疑是理想選擇。緊接著，Python和R成為了數(shù)據(jù)科學領域的兩大明星。Python以其簡潔的語法和豐富的庫支持，成為初學者入門的理想選擇。R則在統(tǒng)計分析和...
為什么要學 Python???
我喜歡Python的一個原因是它的瑞士軍刀性質(zhì)。它關系著方方面面，例如R在數(shù)據(jù)科學和機器學習方面表現(xiàn)得很好，而且在Web開發(fā)方面也無處不在。學習Python意味著你可以做很多事情。你可以使用Django和Flask創(chuàng)建Web應用程序，可以使用NumPy，Scipy，Scikit-Learn和NLTK進行數(shù)據(jù)分析。至少，你可以使用Python編寫腳本來...
相關評說：
茂名市分度： ______ 并不是一定的,Java、Matlab都具有高效的科學計算功能,Python效率相對要低很多,只不過Python語法更為簡單,好上手.
茂名市分度： ______ 1,軟件測試,上手速度快,難度不是很高.如果時間不充足或急需工作,就可以選擇軟件測試.雖然剛開始工資在3K左右,但是如果做得好,7,8K以上都是簡單的事情,因為一款好的軟件,app都離不開測試.記住,軟件測試非常重要!2,python,大多數(shù)人用這個來搞爬蟲,說的是什么大數(shù)據(jù)時代,聽起來很火的樣子,但是實際上現(xiàn)階段沒啥卵用,因為互聯(lián)網(wǎng)行業(yè)對它的需求現(xiàn)階段不是很大.學精也比較困難!以后說不定會真正火起來!
茂名市分度： ______ python與php: python靈活,免費,庫多,學習起來簡單.PHP是面向WEB的語言,而Python是多用途語言,也可以用于WEB開發(fā),python 與Java :Java比Python更復雜,沒有技術背景的人學起來并非易事.舉個例子:Java是一種嚴格的類型語言,這意味著必須顯式聲明變量名.相比之下,動態(tài)類型的Python則不需要聲明變量.ps: Pythonj是膠水語言,入門簡單,使用靈活,學習起來簡單,黑馬程序員教導的就不錯,你可以去學.
茂名市分度： ______ 果斷python,你有c基礎,稍微看下python語法爬蟲可以寫出來了.python爬蟲方面的庫非常豐富牛逼好用.
茂名市分度： ______ 建議python.原因:免費、代碼簡潔、應用廣泛.當然還有一個讓你心動的理由:python有很多機器學習的庫可供你選擇
茂名市分度： ______ 第一次接觸Python這個語言課程,是大二選課的時候.當時一看這個選修課需要去兩個教室上課,而且課還不少.就放棄了Python,選了一門相同類型的其他課程.然后有同學問我選Python怎么樣?作為教育技術的學生,肯定不能說不知道,不...
茂名市分度： ______ 現(xiàn)有的大多數(shù)python程序都是python2的,而且python2的歷史久一些,教程更容易找. 所以建議選2.
茂名市分度： ______ python ,建議你不要選這個,這個算是個冷門語言.看你以后想做什么方面的,比如你想做網(wǎng)頁,做前端,那就學學java,c#,都可以.若是你想做軟件開發(fā),那就C++,要是還要偏底層,比如做驅(qū)動,那就把操作系統(tǒng)學好,還有C語言.任何語言的運用都離不開數(shù)據(jù)庫,所以建議你學好一種數(shù)據(jù)庫,mysql或者mssql,都可以.希望能幫到你
茂名市分度： ______ 先說答案吧,建議大數(shù)據(jù)班.再說說樓主的問題大數(shù)據(jù) VS python,這完全是不對等的概念,可能被培訓機構(gòu)忽悠了兩個名詞吧.大數(shù)據(jù)的技術非常廣泛,使用的編程語言也可以是python.大數(shù)據(jù)行業(yè)還包括數(shù)據(jù)存儲hadoop;數(shù)據(jù)預處理;數(shù)據(jù)分析與挖掘;數(shù)據(jù)可視化等一系列方向,精通其中的任何一部分,保管你能高新就業(yè).python,僅僅是一門變成語言,不要把他理解的很高大上,說白了它就是一個編程工具而已.現(xiàn)在比較火熱是由于它在大數(shù)據(jù)和人工智能方向的使用比較簡單和廣泛.學習一門編程語言不要為了學習而學習,一定要有未來的方向.目前大數(shù)據(jù)非常火熱,建議涉足該領域,祝好運!
茂名市分度： ______ 這三門當中,首推Java.真的,Python當然是好,但是對于一個新入門的人,最重要的是先找到工作不是嗎?而找工作的話,Java無疑是最容易的.相比較PHP與Python而言,Java程序員的崗位需求要大的很多,對于跨行業(yè)的人而言,最困難...
