对于想从事数据行业的人和数据工做者来讲，是学习R仍是python，哪一个工具更实用一直被你们争论。Martijn Theuwissen，DataCamp的教育专家详细比较了这两个工具。python
ython和R是统计学中两种最流行的的编程语言，R的功能性主要是统计学家在开发时考虑的（R具备强大的可视化功能），而Python由于易于理解的语法被你们所接受。程序员
在这篇文章中，咱们将重点介绍R和Python以及它们在数据科学和统计上地位之间的差别。面试
关于R的介绍算法
Ross Ihaka和Robert Gentleman于1995年在S语言中创造了 开源语言R，目的是专一于提供更好和更人性化的方式作数据分析、统计和图形模型的语言。数据库
起初R主要是在学术和研究使用，但近来企业界发现R也很不错。这使得中的R成为企业中使用的全球发展最快的统计语言之一。编程
R的主要优点是它有一个庞大的社区，经过邮件列表，用户贡献的文档和一个很是活跃的堆栈溢出组提供支持。还有CRAN镜像，一个用户能够很简单地创造的一个包含R包的知识库。这些包有R里面的函数和数据，各地的镜像都是R网站的备份文件，彻底同样，用户能够能够选择离你最近的镜像访问最新的技术和功能，而无需从头开发。服务器
若是你是一个有经验的程序员，你能够不会以为使用R能够提升效率，可是，你可能会发现学习R常常会遇到瓶颈。幸运的是如今的资源不少。网络
关于Python的介绍框架
Python是由Guido van Rossem建立于1991年，并强调效率和代码的可读性。但愿深刻的数据分析或应用统计技术的程序员是Python的主要用户。机器学习
当你越须要在工程环境中工做，你会越喜欢Python。它是一种灵活的语言，在处理一些新东西上表现很好，而且注重可读性和简单性，它的学习曲线是比较低的。
和R相似，Python也有包，pypi是一个Python包的仓库,里面有不少别人写好的Python库。
Python也是一个大社区，但它是一个有点比较分散，由于它是一个通用的语言。然而，Python自称他们在数据科学中更占优点地位：预期的增加，更新颖的科学数据应用的起源在这里。
R和Python：数字的比较
在网上能够常常看到比较R和Python人气的数字，虽然这些数字每每就这两种语言是如何在计算机科学的总体生态系统不断发展，可是很难并列进行比较。主要的缘由是，R仅在数据科学的环境中使用，而Python做为一种通用语言，被普遍应用于许多领域，如网络的发展。这每每致使排名结果偏向于Python，并且从业者工资会较低。
R如何使用？
R主要用于当数据分析任务须要独立的计算或分析单个服务器。这是探索性的工做，由于R有不少包和随时可用的测试，能够提供提供必要的工具，快速启动和运行的数量庞大几乎任何类型的数据分析。R甚至能够是一个大数据解决方案的一部分。
当开始使用R的时候，最好首先安装RStudio IDE。以后建议你看看下面的流行包：
•dplyr, plyr 和 data.table 能够轻松操做包
•stringr 操做字符串
•zoo作按期和不按期的时间序列工做
•ggvis, lattice, and ggplot2 进行数据可视化
•caret 机器学习
Python如何使用？
若是你的数据分析任务须要使用Web应用程序，或代码的统计数据须要被归入生产数据库进行集成时你可使用python，做为一个彻底成熟的编程语言，它是实现算法一个伟大的工具。
虽然在过去python包对于数据分析还处于早期阶段，可是这些年已经有了显著改善。使用时须要安装NumPy/ SciPy的（科学计算）和pandas（数据处理），以使Python可用于数据分析。也看看matplotlib，使图形和scikit-learn机器学习。
不一样于R，Python有没有明确的很是好的IDE。咱们建议你看看Spyder以及IPython网站，看看哪个最适合你。
R和Python：数据科学行业的表现
若是你看一下最近的民意调查，在数据分析的编程语言方面，R是明显的赢家。
有愈来愈多的人从研发转向Python。此外，有愈来愈多的公司使用这两种语言来进行组合。
若是你打算从事数据行业，你用好学会这两种语言。招聘趋势显示这两个技能的需求日益增长，而工资远高于平均水平。
R：优势和缺点
优势
可视化能力强
可视化一般让咱们更有效地理解数字自己。R和可视化是绝配。一些必看的可视化软件包是ggplot2，ggvis，googleVis和rCharts。
完善的生态系统
R具备活跃的社区和一个丰富的生态系统。R包在CRAN，Bioconductor的和Github上。您能够经过Rdocumentation搜索全部的R包。
用于数据科学
R由统计学家开发，他们能够经过R代码和包交流想法和概念，你不必定须要有计算机背景。此外企业界也愈来愈接受R。
缺点
R比较缓慢
R使统计人员的更轻松，但你电脑的运行速度可能很慢。虽然R的体验是缓慢的，可是有多个包来提升的r性能：pqR,renjin，FastR, Riposte 等等。
R不容易深刻学习
R学习起来并不容易，特别是若是你要从GUI来进行统计分析。若是你不熟悉它，即便发现包可能会很是耗时。
Python：优势和缺点
优势
IPython Notebook
IPython Notebook使咱们更容易使用Python进行数据工做，你能够轻松地与同事共享Notebook，而无需他们安装任何东西。这大大减小了组织代码，输出和注释文件的开销。能够花更多的时间作实际的工做。
通用语言
Python是一种通用的语言，容易和直观。在学习上会比较容易，它能够加快你写一个程序的速度。此外，Python测试框架是一个内置的，这样能够保证你的代码是可重复使用和可靠的。
一个多用途的语言
Python把不一样背景的人集合在一块儿。做为一种常见的、容易理解，大部分程序员都懂的，能够很容易地和统计学家沟通，你可使用一个简单的工具就把你每个工做伙伴都整合起来。
缺点
可视化
可视化是选择数据分析软件的一个重要的标准。虽然Python有一些不错的可视化库，如Seaborn，Bokeh和Pygal。但相比于R，呈现的结果并不老是那么顺眼。
Python是挑战者
Python对于R来讲是一个挑战者，它不提供必不可少的R包。虽然它在追赶，可是还不够。
最终你该学习什么呢：
由你决定！做为一个数据工做者，你须要在工做中选择最适合须要的语言。在学习以前问清楚这些问题能够帮助你：
- 你想解决什么问题？
- 什么是学习语言的净成本？
- 是什么在你的领域中经常使用的工具？
- 什么是其余可用工具以及如何作这些涉及到的经常使用工具？
结语
感谢您的观看，若有不足之处，欢迎批评指正。
若是有对大数据感兴趣的小伙伴或者是从事大数据的老司机能够加群：
658558542
里面整理了一大份学习资料，全都是些干货，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，送给每一位大数据小伙伴，这里不止是小白汇集地，还有大牛在线解答！欢迎初学和进阶中的小伙伴一块儿进群学习交流，共同进步！
最后祝福全部遇到瓶颈的大数据程序员们突破本身，祝福你们在日后的工做与面试中一切顺利。