r語言和python應該選擇哪個

這篇文章將為大家詳細講解有關r語言和python應該選擇哪個，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

先簡要介紹下R：

R語言由新西蘭奧克蘭大學的Ross Ihaka和Robert Gentleman于1995設計出來(由于兩人的名字均以 ‘R’ 字母開頭，因此命名為R語言)，現在由“R核心開發團隊“負責開發。

雖然R主要用于數據分析、繪圖以及數據挖掘，但也有人用作矩陣計算。其計算速度可媲美專用于矩陣計算的開源軟件GNU Octave和商業軟件MATLAB。

起初R主要在學術研究中使用，但近年來在企業界也表現突出，這使得R成為企業中使用的全球發展最快的統計語言之一。

我們看看什么情況下選R更好。

1.1 如果你的編程水平是菜鳥級，選R

如果你的編程經驗有限，推薦先學R。

對于軟件開發新手來說，Python可能不錯，但是我認為R更適合數據科學新手。

但是數據科學和軟件開發不是同一回事。

解釋一下為什么。

這種差異可歸結為：數據科學家使用編程語言的方式與軟件開發者不一樣。對于數據科學新手來說，程序(programs)應該是腳本(scripts)，而不應該是軟件(software)。

舉個例子，我們用R語言處理一個叫Auto數據框(dataframe)：

library(ISLR)

data('Auto')

如果對R不熟悉，代碼的具體意義可暫時不理會。

數據框是R語言中最常用的數據類型之一，以行列的形式排布，有點類似Excel表格。

在這個Auto數據框中有個weight變量，表示汽車的重量。我們想利用它來創建一個以公斤為單位的新變量weight_kg。

有很多方法可以實現這個任務。最容易想到的方法是：利用for循環遍歷weight變量中的值，然后計算出新變量的值。聽起來有點麻煩。

其實我們可以利用tidyverse包中已有的mutate函數直接計算出新變量的值：

mutate(Auto, weight_kg＝weight*0.45)

再次提示，代碼的意義可先不理會。

這個方法避免使用for循環，更簡單。事實上，在R中要實現某種功能，只要你知道要用哪個函數和哪個包，實現將會變得非常簡單。

在R中，你應該盡量使用已有函數和包來完成相關任務，沒必要自己創建工具來處理任務。這意味著你不需要知道很多傳統意義上的編程概念。事實上你應該避免使用這些概念，比如：for循環、類、面向對象編程以及其它軟件開發概念。

總之，相比Python，由于R的數據處理工具開發得更好且更容易使用，我認為R更適合做數據處理。

其實Python也有很多工具來直接處理數據，比如pandas包，但是Python的包和語法具有‘軟件開發’的味道，依賴于一些軟件開發概念（像for循環、類和面向對象等等）。比如，當瀏覽一些Python書籍的時候，你仍會看到介紹for循環、類聲明等。對于那些沒有軟件開發或計算機科學背景的新人來說，這些概念很難被理解。

相反，很多情況下即使沒有任何編程經驗，你也可以很好地使用R的各種工具。

1.2 對于數據科學任務，R的語法更直觀形象

對于數據處理任務，很多時候R的語法會更簡單。函數和參數的命名設計也更好，很容易記住和使用。

舉個例子，我們將分別用R和Python來刪掉Iris數據框中的兩個變量（由于R和Python都有Iris數據框，因此我們使用這個數據框）。

Python的優勢

對于數據科學初學者，盡管我強烈推薦學R，但也不是唯一的選擇。

對于某些人，Python可能是最好的選擇。下面講一下哪些情況下選擇Python更好。

2.1 如果你有軟件開發或計算機科學基礎，學Python

如果你曾經有軟件開發經驗或者你是計算機科學專業的話，我認為Python會更適合你。因為你已經有編程經驗了，使用Python會讓你更舒服。

2.2 想開發軟件，學Python

我已經說了R更擅長數據科學。如果你想建立軟件系統的話，我認為Python更合適。Python的閃光點就是寫軟件，效率很高。就像一些專家所說的那樣，寫Python代碼就如同寫偽代碼。

此外，Python是一門通用語言，基本啥都能干。然而R比較專，只是擅長統計分析和可視化。

我想澄清一下，不是說R不能寫軟件。只是更多人喜歡用Python去建立產品軟件。因此作為數據科學家，如果你想創立軟件系統，我覺得Python比R更合適。

2.3 想搞機器學習，學Python

如果你想長期從事機器學習方面的研究，我建議你學Python。

其實R也有機器學習生態系統。特別地，R的caret 包開發得很好，它有能力完成各種機器學習任務。比如：使用caret包建立回歸模型（regression model）、支持向量機（SVM）、決策樹（包括回歸和分類）以及執行交叉驗證（cross validation）等等。總之，R的機器學習生態系統發展得很好。

但是，Python在機器學習方面的支持出現更早。為實現各種不同機器學習方法，Python的scikit-learn庫提供了一套更加簡潔和易讀的語法。而R中caret包的語法有時有點拙劣。尤其，caret包與Tidyverse包兼容得不是很好，輸出的結果有時也很難處理。相反，Python的scikit-learn庫與Python生態環境整合得很好。

市面上有關機器學習的書籍，其算法實現很多都是用Python寫的。

總之，如果你想致力于機器學習，我認為Python會更好。

關于r語言和python應該選擇哪個就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。