做統計學習的
回複內容：
給一篇長文，國外一個培訓機構DataCamp的老師
Martijn Theuwissen寫的，詳細比較了python和R，結論就是你需要根據做什麼來選擇工具。來源http://www.kdnuggets.com/
。
（順便做個廣告，本文由資料客團隊翻譯，號idacker，歡迎和我們一起關注資料）
Python和R是統計學中兩種最流行的的程式設計語言，R的功能性主要是統計學家在開發時考慮的（R具有強大的可視化功能），而Python因為易於理解的文法被大家所接受。
在這篇文章中，我們將重點介紹R和Python以及它們在資料科學和統計上地位之間的差異。
關於R的介紹
Ross Ihaka和Robert Gentleman於1995年在S語言中創造了 開源語言R，目的是專註於提供更好和更人性化的方式做資料分析、統計和圖形模型的語言。
起初R主要是在學術和研究使用，但近來企業界發現R也很不錯。這使得中的R成為企業中使用的全球發展最快的統計語言之一。
R的主要優勢是它有一個龐大的社區，通過郵件清單，使用者貢獻的文檔和一個非常活躍Stack Overflow group提供支援。還有CRAN鏡像，一個使用者可以很簡單地創造的一個包含R包的知識庫。這些包有R裡面的函數和資料，各地的鏡像都是R網站的備份檔案，完全一樣，使用者可以可以選擇離你最近的鏡像訪問最新的技術和功能，而無需從頭開發。
如果你是一個有經驗的程式員，你可以不會覺得使用R可以提高效率，但是，你可能會發現學習R經常會遇到瓶頸。幸運的是現在的資源很多。
關於Python的介紹
Python是由Guido van Rossem建立於1991年，並強調效率和代碼的可讀性。希望深入的資料分析或應用統計技術的程式員是Python的主要使用者。
當你越需要在工程環境中工作，你會越喜歡Python。它是一種靈活的語言，在處理一些新東西上表現很好，並且注重可讀性和簡單性，它的學習曲線是比較低的。
和R類似，Python也有包，pypi是一個Python包的倉庫,裡面有很多別人寫好的Python庫。
Python也是一個大社區，但它是一個有點比較分散，因為它是一個通用的語言。然而，Python自稱他們在資料科學中更佔優勢地位：預期的增長，更新穎的科學資料應用的起源在這裡。
R和Python：數位比較在網上可以經常看到比較R和Python人氣的數字，雖然這些數字往往就這兩種語言是如何在電腦科學的整體生態系統不斷髮展，但是很難並列進行比較。主要的原因是，R僅在資料科學的環境中使用，而Python作為一種通用語言，被廣泛應用於許多領域，如網路的發展。這往往導致排名結果偏向於Python，而且從業者工資會較低。在網上可以經常看到比較R和Python人氣的數字，雖然這些數字往往就這兩種語言是如何在電腦科學的整體生態系統不斷髮展，但是很難並列進行比較。主要的原因是，R僅在資料科學的環境中使用，而Python作為一種通用語言，被廣泛應用於許多領域，如網路的發展。這往往導致排名結果偏向於Python，而且從業者工資會較低。
R如何使用？
R主要用於當資料分析任務需要獨立的計算或分析單個伺服器。這是探索性的工作，因為R有很多包和隨時可用的測試，可以提供提供必要的工具，快速啟動和啟動並執行數量龐大幾乎任何類型的資料分析。R甚至可以是一個大資料解決方案的一部分。
當開始使用R的時候，最好首先安裝RStudio IDE。之後建議你看看下面的流行包：
•dplyr, plyr 和 data.table 可以輕鬆操作包
•stringr 操作字串•zoo做定期和不週期性時間序列工作
•ggvis, lattice, and ggplot2 進行資料視覺效果
•caret 機器學習
Python如何使用？
如果你的資料分析任務需要使用Web應用程式，或代碼的統計資料需要被納入生產資料庫進行整合時你可以使用python，作為一個完全成熟的程式設計語言，它是實現演算法一個偉大的工具。
雖然在過去python包對於資料分析還處於早期階段，但是這些年已經有了顯著改善。使用時需要安裝NumPy/ SciPy的（科學計算）和pandas（資料處理），以使Python可用於資料分析。也看看matplotlib，使圖形和scikit-learn機器學習。
不同於R，Python有沒有明確的非常好的IDE。我們建議你看看Spyder以及IPython網站，看看哪一個最適合你。
R和Python：資料科學行業的表現
如果你看一下最近的民意調查，在資料分析的程式設計語言方面，R是明顯的贏家。有越來越多的人從研發轉向Python。此外，有越來越多的公司使用這兩種語言來進行組合。如果你打算從事資料行業，你用好學會這兩種語言。招聘趨勢顯示這兩個技能的需求日益增加，而工資遠高於平均水平。如果你打算從事資料行業，你用好學會這兩種語言。招聘趨勢顯示這兩個技能的需求日益增加，而工資遠高於平均水平。
R：優點和缺點
優點
可視化能力強可視化通常讓我們更有效地理解數字本身。R和可視化是絕配。一些必看的可視化軟體包是ggplot2，ggvis，googleVis和rCharts。
完善的生態系統R具有活躍的社區和一個豐富的生態系統。R包在CRAN，Bioconductor的和Github上。您可以通過Rdocumentation搜尋所有的R包。
用於資料科學
R由統計學家開發，他們可以通過R代碼和包交流想法和概念，你不一定需要有電腦背景。此外企業界也越來越接受R。
缺點
R比較緩慢
R使統計人員的更輕鬆，但你電腦的運行速度可能很慢。雖然R的體驗是緩慢的，但是有多個包來提高的r效能：pqR,renjin，FastR, Riposte 等等。
R不容易深入學習
R學習起來並不容易，特別是如果你要從GUI來進行統計分析。如果你不熟悉它，即使發現包可能會非常耗時。
Python：優點和缺點
優點
IPython Notebook
IPython Notebook使我們更容易使用Python進行資料工作，你可以輕鬆地與同事共用Notebook，而無需他們安裝任何東西。這大大減少了組織代碼，輸出和注釋檔案的開銷。可以花更多的時間做實際的工作。
通用語言
Python是一種通用的語言，容易和直觀。在學習上會比較容易，它可以加快你寫一個程式的速度。此外，Python測試架構是一個內建的，這樣可以保證你的代碼是可重複使用和可靠的。
一個多用途的語言
Python把不同背景的人集合在一起。作為一種常見的、容易理解，大部分程式員都懂的，可以很容易地和統計學家溝通，你可以使用一個簡單的工具就把你每一個工作夥伴都整合起來。
缺點
可視化
可視化是選擇資料分析軟體的一個重要的標準。雖然Python有一些不錯的可視化庫，如Seaborn，Bokeh和Pygal。但相比於R，呈現的結果並不總是那麼順眼。
Python是挑戰者
Python對於R來說是一個挑戰者，它不提供必不可少的R包。雖然它在追趕，但是還不夠。
最終你該學習什麼呢：
由你決定！作為一個資料工作者，你需要在工作中選擇最適合需要的語言。在學習之前問清楚這些問題可以協助你：
你想解決什麼問題？
什麼是學習語言的淨成本？
是什麼在你的領域中常用的工具？
什麼是其他可用工具以及如何做這些涉及到的常用工具？
註：DataCamp是一個線上互動教育平台，提供資料科學和R編程課程。
scala, rust，其中rust最適合，因為所有的輪子你都要自己造，包括並行哎。。。
樓主看你的問法，先學R吧，見效快。都學呀，這有什麼好問的。多學點東西也不會懷孕。你要做啥呢？gb資料量，還是mb?gb用Python，MB用R,不過最好都學。具體可看《利用python做資料分析》。一般國外用R的較多，因為開源，簡單。Python用來抓取資料。先接觸的MATLAB，當我接觸R的時候感覺各種難用，奇怪的文法真心不喜歡。直現在還很討厭R。
我接觸了Java/C/PHP之後接觸的Python，瞬間就喜歡上了。這還用問？只要幾個小時這兩個語言都會了。都學
python每個想編程的都應該會建議學習python
R能做的python都能。R在矩陣運算方面要優於python，不過python文法簡單，上手容易，個人感覺資源也更為豐富一些，想學習有關R與python方面的基礎知識，可以看看數析學院（http://datacademy.io
）上的一些免費課程。
