[原]深刻对比数据科学工具箱：Python3 和 R 之争[2020版]

概述

R 和 Python2/Python3 在过去十年（Pandas问世后）的数据科学领域持续着激烈的竞争，随着时间的推移竞争格局也从混沌走向清晰。

R 从诞生开始就继承了 S 语言的统计特性，经历了野蛮生长，2009 年 ggplot2 和 data.table 的横空出世大幅提高数据可视分析的效率，极大冲击了数据科学早期市场，要知道当时数据科学还主要被商业软件 Excel、SAS 和 Matlab 所垄断。R语言做为数据科学开源软件的先驱，多个商业应用领域不断进化，贝叶斯、空间分析、网络分析、时序分析、生存分析等在代码库 CRAN 和 GitHub 上开始快速增加，直到 2015年 Revolution R 被 Microsoft 公司收购达到顶峰。

Python 本来是一种胶水语言，在Web开发、嵌入式开发、运维测试等领域使用较为普遍，在数据科学领域运用并不普遍。然而，自 2015年大数据和深度学习的人工智能革命起，Python 中的两大开源框架 PySpark 和 Tensorflow 开始大放异彩，全民学习 Python 的热情也随水涨船高，Python 成功实现了数据科学领域的逆袭。

随着2020年起，Python2 的正式中止维护，Python。

Python Version

生态对比

Domain	Python3	R
基础数据处理	Pandas/Dplython	Tidyverse/Dplyr
并行计算（数据密集）	Koalas/PySpark	Sparklyr/SparkR
并行计算（计算密集）	Dask/Modin	Disk.frame
网络挖掘	Networkx/Graph-tool	Tidygraph
地理挖掘	Geopandas/Rasterio	Sf/Raster
时序挖掘	Prophet/Backtrader	Fable/Quantstrat
图像处理	OpenCV	magick
文本处理	Gensim/NLTK	tidytext
基础统计工具	Statsmodels	tidymodel
贝叶斯统计	PyMC3/PyStan	Brms/Rstanarm
机器学习	Sklearn	Mlr
深度学习	Tensorflow/Mxnet	Tensorflow/Mxnet
强化学习	RLlib/Gym	ReinforcementLearning
仿真建模	Simpy	Simmer
优化建模	Cvxplayers/Ortools/Scipy	CVXR/ompr
原型开发	Dash	Shiny
数据探索	Plotly/Matplotlib/Plotnine	Plotly/Ggplot2/Esquisse

1. 数据流操做对比

基础数据处理:Pandas/Dplython vs Tidyverse/Dplyr

分布式数据处理：Koalas/PySpark vs Sparklyr/SparkR

分布式数据处理：Dask/Modin vs Disk.frame

2. 领域建模

网络挖掘: NetworkX/Graph-tool vs Tidygraph

地理挖掘：Geopandas vs Sf

3. 统计建模

基础统计工具 Statsmodels vs tidymodel

贝叶斯统计 PyMC3/PyStan vs RStan

机器学习 Sklearn vs Mlr

4. 可视化

总结

• R 社区活跃度有所降低
• Python2 逐渐放弃维护
• Python3 取代 Python2 和 R 成为新一代人工智能主流编程语言。

参考资料

• 在这我的人拥抱python的时代，R真的out了吗？
• Migrating Python2 to Python3
• Network Packages Comparison
• https://github.com/mementum/b...
• Python iGraph Question
• Popular Graph Packages Bechmark
• data wrangling python vs R
• Get faster pandas with Modin, even on your laptops
• https://analyticsindiamag.com...
• R vs Python in 2020