R vs. Python 數(shù)據(jù)分析中誰與爭鋒？

更新時間：2017年10月18日 10:26:53 作者：CSDN郭芮

R和Python兩者誰更適合數(shù)據(jù)分析領域？在某些特定情況下誰會更有優(yōu)勢？還是一個天生在各方面都比另一個更好？

當我們想要選擇一種編程語言進行數(shù)據(jù)分析時，相信大多數(shù)人都會想到R和Python——但是從這兩個非常強大、靈活的數(shù)據(jù)分析語言中二選一是非常困難的。

我承認我還沒能從這兩個數(shù)據(jù)科學家喜愛的語言中選出更好的那一個。因此，為了使事情變得有趣，本文將介紹一些關于這兩種語言的詳細信息，并將決策權留給讀者。值得一提的是，有多種途徑可以了解這兩種語言各自的優(yōu)缺點。然而在我看來，這兩種語言之間其實有很強的關聯(lián)。

Stack Overflow趨勢對比

上圖顯示了自從2008年（Stack Overflow 成立）以來，這兩種語言隨著時間的推移而發(fā)生的變化。

R和Python在數(shù)據(jù)科學領域展開激烈競爭，我們來看看他們各自的平臺份額，并將2016與2017年進行比較：

接下來我們將從適用場景、數(shù)據(jù)處理能力、任務、安裝難度以及開放工具等方面詳細了解這兩種語言。

適用場景

R適用于數(shù)據(jù)分析任務需要獨立計算或單個服務器的應用場景。Python作為一種粘合劑語言，在數(shù)據(jù)分析任務中需要與Web應用程序集成或者當一條統(tǒng)計代碼需要插入到生產(chǎn)數(shù)據(jù)庫中時，使用Python更好。

任務

在進行探索性統(tǒng)計分析時，R勝出。它非常適合初學者，統(tǒng)計模型僅需幾行代碼即可實現(xiàn)。Python作為一個完整而強大的編程語言，是部署用于生產(chǎn)使用的算法的有力工具。

數(shù)據(jù)處理能力

有了大量針對專業(yè)程序員以及非專業(yè)程序員的軟件包和庫的支持，不管是執(zhí)行統(tǒng)計測試還是創(chuàng)建機器學習模型，R語言都得心應手。

Python最初在數(shù)據(jù)分析方面不是特別擅長，但隨著NumPy、Pandas以及其他擴展庫的推出，它已經(jīng)逐漸在數(shù)據(jù)分析領域獲得了廣泛的應用。

開發(fā)環(huán)境

對于R語言，需要使用R Studio。對于Python，有很多Python IDE可供選擇，其中Spyder和IPython Notebook是最受歡迎的。

熱門軟件包和庫

下面羅列了R和Python推出的針對專業(yè)以及非專業(yè)程序員的最熱門的軟件包和庫。

R：針對專業(yè)程序員的熱門軟件包

用于數(shù)據(jù)操作的 dplyr、plyr和 data table
用于字符串操作的 stringr
定期和不定期時間序列 zoo
數(shù)據(jù)可視化工具 ggvis、lattice 和 ggplot2
用于機器學習的 caret

R：針對非專業(yè)程序員的熱門軟件包

Rattle
R Commander
Deducer

這些完整的GUI包可以實現(xiàn)強大的數(shù)據(jù)統(tǒng)計和建模功能。

Python：針對專業(yè)程序員的熱門庫

用于數(shù)據(jù)分析的 pandas
用于科學計算的 SciPy 和 NumPy
用于機器學習的 scikit-learn
圖表庫 matplotlib
statsmodels 用來探索數(shù)據(jù)，估算統(tǒng)計模型，并執(zhí)行統(tǒng)計測試和單元測試

Python：針對非專業(yè)程序員的熱門庫

Orange Canvas 3.0是遵循GPL協(xié)議的開源軟件包。它使用一些常用的Python開源庫進行科學計算，包括numpy、scipy和scikit-learn。

R 和 Python 詳細對比