使用Python：

Python最初是作为用于软件开发的编程语言开发的（后来添加了数据分析工具或槐手），因此具有计算机科学或软件开发背景的人们可能会更舒适地使用它。

因此，从其他流行的编程语言（例如Java或C ++）到Python的过渡比从那些语言到R的过渡容易。

使用R：

R有一组称为Tidyverse的软件包，这些软件包提供了功能强大但易于学习的工具，用于导入，操作，可衫嫌视化和报告数据。使用这些工具，没有任何编程或数据分析经验（至少是轶事）的人可以比Python更快地提高生产力。

总体而言，如果我们或明燃我们的员工没有数据分析或编程背景，R可能更有意义。

R和Python两者谁更适合数据分析领域？在某些特定情况下谁会更有优势？还是一个天生在各方面都比另一个更好？

当我们想要选枯芹择一种编程语言进行数据分析时，相信大多数人都会想到R和Python——但是从这两个非常强大、灵活的数据分析语言中没旅毕二选一是非常困难的。

我承认我还没能从这两个数据科学家喜爱的语言中选出更好的那一个。因此，为了使事情变得有趣，本文将介绍一些关于这两种语言的详细信息，并将决策权留给读者。值得一提的是，有多种途径可以了解这两种语言各自的优缺点。然而在我看来，这两种语言之间其实有很强的关联。

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在数据科学领域展开激烈竞争，我们来看看他们各自的平台份额，并将2016与2017年进行比较：

相关推荐：《Python入门教程》

接下来我们将从适用场景、数据处理能力、任务、安装难度以及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个服务器的应用场景。Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。

任务

在进行探索性统计分析时，R胜出。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。

数据处理能力

有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。

Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经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，需要使用R Studio。对于Python，有很多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

下面罗列了R和Python推出的针对专业以及非专业程序员的最热门的软件包和库。

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包可以实现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 用来探索数据，估算统计模型，并执行统计测试和单元测试

Python：针对非专业程序员的热门库

Orange Canvas 3.0是遵循GPL协议的开源软件包。它使用一些常用的Python开源库进行科学计算，包括numpy、scipy和scikit-learn。

R 和 Python 详细对比

正如本文开头提到的，R和Python之间有很强的关联，并且这两种语言日益普及。很难说哪一种更好，它们两者的整合在数据科学界激起了许多积极和协作的波澜。

总结

事实上，日常用户和数据科学家可以同时利用这两者语言，因为R用户可以在R中通过 rPython包来运行R中的Python代码，而Python用户可以通过RPy2库镇猜在Python环境中运行R代码。

数据结构方面，由于从科学计算的角度出发，R中的数据结构非常简单，主要包含向量颂春伍、多维数组、列表、数据框;而Python则包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组、元组、集合、字典等等。

Python与R对比速度更快，Python可以直接处理上G的数据;R不行，R分析数据时需要先通过数据库把大数据转化为小数据才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。

Python是一套比较平衡的语言，各方面都可以，无论是对其他森改语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达式和文字处理，Python都有着非常明显的优势，而R在统计方面比较突出。

Python的pandas借鉴了R的dataframes，R中的rvest则参考了Python的beautiful

soup，两种语言在一定程野或度上存在互补性;通常，我们认为Python比R在计算机编程、网络爬虫上更有优势;而R在统计分析上是一种更高校的独立数据分析工具，所以说Python和R各具备不同的优势，很难抉择。

不过相对于R来说，Python更加简单、易学、语法清晰，适合零基础入门学习，而且掌握Python之后不仅可以从事数据分析岗位，还可以从事人工智能、web开发、游戏开发、运维等工作。

这个从目前能看到的角度毫无疑问是python更适合，python过去五年发展迅速，应用广泛，但是更多地依靠胶水语言的特性作为辅助，只有在运维测试自动化，数据分析人工智罩握带能等领域属于第一语言，而且随着python的平缓落地，数据分析会是python的基本盘，有着很好的发展，希望可以帮皮或到你物芦