Python 与 R：有什么区别？
Python 是一种通用的、面向对象的编程语言，它通过大量使用空格来强调代码的可读性。Python 于 1989 年发布，易于学习，深受程序员和开发人员的喜爱。事实上，Python 是世界上最受欢迎的编程语言之一，仅次于 Java 和 C。
有几个 Python 库支持数据科学任务，包括以下内容：
- Numpy：处理大维度数组
- Pandas：用于数据处理与分析
- Matplotlib：用于构建数据可视化
此外，Python 特别适合大规模部署机器学习。其套件的专门的深度学习和机器学习库包括 scikit-learn、Keras 和 TensorFlow 等工具，使数据科学家能够开发直接插入生产系统的复杂数据模型。Jupyter Notebooks 是一个开源的网页应用程序，用于轻松共享包含实时 Python 代码、公式、可视化内容和数据科学说明的文档。
R 是一种开源编程语言，专为统计分析和数据可视化而优化。R 于 1992 年开发，拥有丰富的生态系统，提供复杂的数据模型和用于数据报告的精美工具。截至最近统计，通过综合 R 档案网络 (CRAN) 提供的 R 软件包已超过 13,000 个，可用于深度分析。
R 深受数据科学学者和研究人员的欢迎，它可为以下领域提供各种各样的库和工具：
- 清理和准备数据
- 创建可视化效果
- 训练和评估机器学习和深度学习算法
R 通常在 RStudio 中使用，RStudio 是一种用于简化统计分析、可视化和报告的集成开发环境 (IDE)。R 应用程序可以通过 Shiny 在网络上直接以交互方式使用。
两种语言之间的主要区别在于它们的数据科学方法。这两种开源编程语言都拥有庞大的社区支持，不断扩展的库和工具。但是，R 主要用于统计分析，而 Python 提供了一种更通用的数据整理方法。
Python 是一种多用途语言，就像 C++ 和 Java 一样，具有易于掌握的可读语法。程序员使用 Python 深入研究数据分析，或在可扩展的生产环境中使用机器学习。例如，您可以使用 Python 将人脸识别功能集成到您的移动设备 API 中，或者用于开发机器学习应用程序。
另一方面，R 由统计学家构建，严重依赖统计模型和专业分析。数据科学家使用 R 进行深入的统计分析，只需几行代码即可实现，并能生成精美的数据可视化。例如，您可以使用 R 进行客户行为分析或基因组研究。
- 数据收集：Python 支持各种数据格式，从逗号分隔值 (CSV) 文件到源自网络的 JSON。您还可以将 SQL 表直接导入 Python 代码中。对于 Web 开发而言，Python requests 库可以让您轻松地从 Web 上获取数据以构建数据集。相比之下，R 专为数据分析师从 Excel、CSV 和文本文件导入数据而设计。使用 Minitab 或 SPSS 格式创建的文件也可以转换为 R 数据框。虽然 Python 在从网络中提取数据方面更通用，但 Rvest 等现代 R 软件包是专为基本的网络抓取而设计的。
- 数据深入了解：在 Python 中，您可以使用 Pandas（Python 的数据分析库）来深入了解数据。您可以在几秒钟内完成数据筛选、排序和显示。另一方面，R 语言针对大型数据集的统计分析进行了优化，并提供了多种不同的方式来深入了解数据。使用 R，您可以构建概率分布、应用各种统计检验，并使用标准的机器学习和数据挖掘技术。
- 数据建模：Python 具有用于数据建模的标准库，包括用于数值建模分析的 Numpy、用于科学计算的 SciPy 以及用于机器学习算法的 scikit-learn。为了在 R 中进行特定的建模分析，您有时不得不依赖 R 核心功能之外的包。而被称为 Tidyverse 的一组特定软件包，使得导入、处理、可视化和报告数据变得非常容易。
- 数据可视化：虽然可视化不是 Python 的强项，但您可以使用 Matplotlib 库生成基本图形和图表。此外，Seaorn 库还允许您在 Python 中绘制更具吸引力且信息丰富的统计图形。但是，R 旨在演示统计分析的结果，而其基本图形模块可让您轻松创建基本图表和绘图。您还可以使用 ggplot2 绘制更高级的图表，例如带回归线的复杂散点图。
选择合适的语言取决于您的具体情况。以下是一些需要考虑的事项：
- 您有编程经验吗？由于 Python 的语法易于阅读，因此它的学习曲线是线性且平滑的。它被认为是一种适合初学者的语言。借助 R，新手可以在几分钟内运行数据分析任务。但 R 的高级功能很复杂，使得掌握专业技能更加困难。
- 您的同事用的是什么？R 是一种统计工具，没有任何编程技能的学术人员、工程师和科学家也可以使用它。Python 是一种生产就绪型语言，用于广泛的工业、研究和工程工作流。
- 您想解决什么问题？R 编程更适合统计学习，具有无与伦比的数据探索和实验库。Python 是机器学习和大型应用程序的更好选择，尤其是 Web 应用程序中的数据分析。
- 图表和图形有多重要？ R 应用程序是将数据可视化为精美图形的理想选择。相比之下，Python 应用程序更容易集成到工程环境中。
请注意，许多工具（例如 Microsoft Machine Learning Server）同时支持 R 和 Python。这就是为什么大多数组织会将这两种语言结合起来使用，而 R 与 Python 之争也毫无意义。实际上，您可以在早期阶段使用 R 进行数据分析和探索，然后在需要交付数据产品时切换到 Python。
对于计算机科学的纯粹主义者来说，Python 每次都被视为数据科学的首选编程语言。与此同时，R 也有其拥护者。敬请访问 Stack Overflow 等开发社区，亲自了解相关情况。要进一步了解通过 Python 和 R 进行数据分析的可能性，可以考虑浏览以下 Learn Hub 文章。此外，还建议查看 IBM Developer Hub 上的数据科学语言教程。
要了解如何通过开源语言和框架加速数据科学开发，请浏览 IBM Watson Studio。