對於想從事數據行業的人和數據工做者來講，是學習R仍是python，哪一個工具更實用一直被你們爭論。Martijn Theuwissen，DataCamp的教育專家詳細比較了這兩個工具。python
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具備強大的可視化功能），而Python由於易於理解的語法被你們所接受。程序員
在這篇文章中，咱們將重點介紹R和Python以及它們在數據科學和統計上地位之間的差別。面試
關於R的介紹算法
Ross Ihaka和Robert Gentleman於1995年在S語言中創造了 開源語言R，目的是專一於提供更好和更人性化的方式作數據分析、統計和圖形模型的語言。數據庫
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成爲企業中使用的全球發展最快的統計語言之一。編程
R的主要優點是它有一個龐大的社區，經過郵件列表，用戶貢獻的文檔和一個很是活躍的堆棧溢出組提供支持。還有CRAN鏡像，一個用戶能夠很簡單地創造的一個包含R包的知識庫。這些包有R裏面的函數和數據，各地的鏡像都是R網站的備份文件，徹底同樣，用戶能夠能夠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。服務器
若是你是一個有經驗的程序員，你能夠不會以爲使用R能夠提升效率，可是，你可能會發現學習R常常會遇到瓶頸。幸運的是如今的資源不少。網絡
關於Python的介紹框架
Python是由Guido van Rossem建立於1991年，並強調效率和代碼的可讀性。但願深刻的數據分析或應用統計技術的程序員是Python的主要用戶。機器學習
當你越須要在工程環境中工做，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，而且注重可讀性和簡單性，它的學習曲線是比較低的。
和R相似，Python也有包，pypi是一個Python包的倉庫,裏面有不少別人寫好的Python庫。
Python也是一個大社區，但它是一個有點比較分散，由於它是一個通用的語言。然而，Python自稱他們在數據科學中更佔優點地位：預期的增加，更新穎的科學數據應用的起源在這裏。
R和Python：數字的比較
在網上能夠常常看到比較R和Python人氣的數字，雖然這些數字每每就這兩種語言是如何在計算機科學的總體生態系統不斷髮展，可是很難並列進行比較。主要的緣由是，R僅在數據科學的環境中使用，而Python做爲一種通用語言，被普遍應用於許多領域，如網絡的發展。這每每致使排名結果偏向於Python，並且從業者工資會較低。
R如何使用？
R主要用於當數據分析任務須要獨立的計算或分析單個服務器。這是探索性的工做，由於R有不少包和隨時可用的測試，能夠提供提供必要的工具，快速啓動和運行的數量龐大幾乎任何類型的數據分析。R甚至能夠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。以後建議你看看下面的流行包：
•dplyr, plyr 和 data.table 能夠輕鬆操做包
•stringr 操做字符串
•zoo作按期和不按期的時間序列工做
•ggvis, lattice, and ggplot2 進行數據可視化
•caret 機器學習
Python如何使用？
若是你的數據分析任務須要使用Web應用程序，或代碼的統計數據須要被歸入生產數據庫進行集成時你可使用python，做爲一個徹底成熟的編程語言，它是實現算法一個偉大的工具。
雖然在過去python包對於數據分析還處於早期階段，可是這些年已經有了顯著改善。使用時須要安裝NumPy/ SciPy的（科學計算）和pandas（數據處理），以使Python可用於數據分析。也看看matplotlib，使圖形和scikit-learn機器學習。
不一樣於R，Python有沒有明確的很是好的IDE。咱們建議你看看Spyder以及IPython網站，看看哪個最適合你。
R和Python：數據科學行業的表現
若是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。
有愈來愈多的人從研發轉向Python。此外，有愈來愈多的公司使用這兩種語言來進行組合。
若是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長，而工資遠高於平均水平。
R：優勢和缺點
優勢
可視化能力強
可視化一般讓咱們更有效地理解數字自己。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具備活躍的社區和一個豐富的生態系統。R包在CRAN，Bioconductor的和Github上。您能夠經過Rdocumentation搜索全部的R包。
用於數據科學
R由統計學家開發，他們能夠經過R代碼和包交流想法和概念，你不必定須要有計算機背景。此外企業界也愈來愈接受R。
缺點
R比較緩慢
R使統計人員的更輕鬆，但你電腦的運行速度可能很慢。雖然R的體驗是緩慢的，可是有多個包來提升的r性能：pqR,renjin，FastR, Riposte 等等。
R不容易深刻學習
R學習起來並不容易，特別是若是你要從GUI來進行統計分析。若是你不熟悉它，即便發現包可能會很是耗時。
Python：優勢和缺點
優勢
IPython Notebook
IPython Notebook使咱們更容易使用Python進行數據工做，你能夠輕鬆地與同事共享Notebook，而無需他們安裝任何東西。這大大減小了組織代碼，輸出和註釋文件的開銷。能夠花更多的時間作實際的工做。
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，它能夠加快你寫一個程序的速度。此外，Python測試框架是一個內置的，這樣能夠保證你的代碼是可重複使用和可靠的。
一個多用途的語言
Python把不一樣背景的人集合在一塊兒。做爲一種常見的、容易理解，大部分程序員都懂的，能夠很容易地和統計學家溝通，你可使用一個簡單的工具就把你每個工做夥伴都整合起來。
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。但相比於R，呈現的結果並不老是那麼順眼。
Python是挑戰者
Python對於R來講是一個挑戰者，它不提供必不可少的R包。雖然它在追趕，可是還不夠。
最終你該學習什麼呢：
由你決定！做爲一個數據工做者，你須要在工做中選擇最適合須要的語言。在學習以前問清楚這些問題能夠幫助你：
- 你想解決什麼問題？
- 什麼是學習語言的淨成本？
- 是什麼在你的領域中經常使用的工具？
- 什麼是其餘可用工具以及如何作這些涉及到的經常使用工具？
結語
感謝您的觀看，若有不足之處，歡迎批評指正。
若是有對大數據感興趣的小夥伴或者是從事大數據的老司機能夠加羣：
658558542
裏面整理了一大份學習資料，全都是些乾貨，包括大數據技術入門，海量數據高級分析語言，海量數據存儲分佈式存儲，以及海量數據分析分佈式計算等部分，送給每一位大數據小夥伴，這裏不止是小白彙集地，還有大牛在線解答！歡迎初學和進階中的小夥伴一塊兒進羣學習交流，共同進步！
最後祝福全部遇到瓶頸的大數據程序員們突破本身，祝福你們在日後的工做與面試中一切順利。