r 或 python 用于数据分析

哪个更适合数据分析领域，R还是Python？在某些情况下谁有优势？或者在各方面本质上都比另一个更好？

当我们要为数据分析选择一种编程语言时，相信大多数人都会想到R和Python——但是在这两种非常强大和灵活的数据分析语言之间进行选择是非常困难的。

我承认我一直无法在数据科学家喜欢的两种语言中选择更好的。因此，为了让事情变得有趣，本文将介绍两种语言的一些细节，并将决定权留给读者。值得一提的是，有多种方法可以了解两种语言各自的优缺点。然而，在我看来，这两种语言之间实际上有很强的联系。

Stack Overflow趋势对比

上图显示了自从2008年(Stack Overflow 成立)以来，这两种语言随着时间的推移而发生的变化。

R 和 Python 在数据科学领域竞争激烈，我们来看看它们各自的平台份额并比较 2016 年和 2017 年：

接下来，我们将从适用场景、数据处理能力、任务、安装难度、开放工具等方面详细了解这两种语言。

适用场景

R适用于数据分析任务需要独立计算或单台服务器的应用场景。作为一种胶水语言，Python 更适合用于需要与 Web 应用程序集成的数据分析任务，或者需要将一段统计代码插入生产数据库时。

任务

在探索性统计分析方面，R 胜出。非常适合初学者，统计模型只需几行代码即可实现。作为一种完整而强大的编程语言，Python 是一种用于部署生产使用算法的强大工具。

数据处理能力

R 为专业程序员和非专业程序员提供了大量软件包和库的支持，可以方便地执行统计测试或创建机器学习模型。

Python 最初并不是特别擅长数据分析，但随着 NumPy、Pandas 等扩展库的引入，逐渐在数据分析领域获得了广泛的应用。

开发环境

对于 R 语言，需要 R Studio。对于 Python，有许多 Python IDE 可供选择，其中 Spyder 和 IPython Notebook 是最受欢迎的。

热门软件包和库

下面是来自 R 和 Python 的专业和非专业程序员最流行的包和库的列表。

R：针对专业程序员的热门软件包

用于数据操作的 dplyr、plyr和 data table

用于字符串操作的 stringr

定期和不定期时间序列 zoo

数据可视化工具 ggvis、lattice 和 ggplot2

用于机器学习的 caret

R：针对非专业程序员的热门软件包

Rattle

R Commander

Deducer

这些完整的 GUI 包支持强大的数据统计和建模功能。

Python：针对专业程序员的热门库

用于数据分析的 pandas

用于科学计算的 SciPy 和 NumPy

用于机器学习的 scikit-learn

图表库 matplotlib

statsmodels 用于探索数据、估计统计模型以及执行统计和单元测试

Python：针对非专业程序员的热门库

Orange Canvas 3.0 是 GPL 协议下的开源软件包。它使用一些流行的 Python 开源库进行科学计算，包括 numpy、scipy 和 scikit-learn。

R 和 Python 详细对比

正如本文开头所提到的，R 和 Python 之间存在很强的相关性，并且这两种语言都越来越受欢迎。很难说哪个更好，两者的融合在数据科学界掀起了许多积极和协作的浪潮。

总结

事实上，日常用户和数据科学家都可以利用这两种语言，因为 R 用户可以通过 rPython 包在 R 中运行 Python 代码，而 Python 用户可以通过 RPy2 库在 Python 环境中运行 R 代码。