Python和R語言的區別__Python

資料採礦技術日趨成熟和複雜，隨著互連網發展以及大批海量資料的到來，之前傳統的依靠spss、SAS等視覺化檢視實現資料採礦建模已經越來越不能滿足日常需求，依據美國對資料科學家（data scientist）的要求，想成為一名真正的資料科學家，編程實現演算法以及編程實現建模已經是必要條件；目前很多從事資料採礦工作的人，大多都是出身非電腦專業，本身對編程基礎比較低，所以找到一門快速上手而又高效的程式設計語言是至關重要的，好的工具和程式設計語言可以起到事半功倍的效果。

目前在資料採礦演算法方面用的最多的程式設計語言有：Java、C++、C、Python、R等等 

由於筆者本身屬於數理統計出身，複雜而進階的語言對我來說性價比並不高，所以想從頭對Java、C++、C開始學起，浪費的時間和精力與收穫明顯不成正比。所以Python和R語言成了最佳選擇。對於同樣和我背景相似的資料從業人員，我強烈推薦從這兩者選擇其一。

原因有三：
第一：Python和R本身在資料分析和資料採礦方面都有比較專業和全面的模組，很多常用的功能，比如矩陣運算、向量運算等都有比較進階的用法，所以使用起來產出比大；

第二：這兩門語言對於平台方面適用性比較廣，linux、window都可以使用，並且代碼可移植性還算不錯的。

第三：對於學數理統計的人來說，應該大多用過MATLAB以及mintab等工具，Python和R比較貼近這些常用的數學工具，使用起來有種親切感

至於Python和R兩者如何選擇，本人有點粗淺認識：

這兩個工具都很方便，不需要非常高深的編程能力，都適合演算法開發，有大量的package供你使用。 

Python入門簡單，而R則相對比較難一些(純個人感覺，依據每個人之前的經驗，可能不同的體驗)。
       R做文本挖掘現在還有點弱，當然它的優點在於函數都給你寫好了，你只需要知道參數的形式就行了，有時候即使參數形式不對，R也能“智能地”幫你適應。這種簡單的軟體適合想要專註於業務的人。
Python幾乎都可以做，函數比R多，比R快。它是一門語言，R更像是一種軟體，所以python更能開發出flexible的演算法。

Python適合處理大量資料，而R則在這方面有很多力不從心，當然這麼說的前提是對於編程基礎比較一般的童鞋，對於大牛來說，多靈活運用向量化編程的話，R的速度也不會太差。

論效能，Python介於C/C++/Java這些進階語言與R語言之間，雖然效能不及那些進階語言，但是一般日常的資料用Python基本都能實現，對於效能要求不挑剔的人來說，足夠了

python 你需要安裝numpy，pandas，scipy，cython，statsmodels，matplotlib 等一系列的程式包，還需要安裝ipython互動環境，單獨用python直接做計量分析統計函數是沒有函數支援的；R是基於統計分析的，效能和效率上要略遜於python。R的優勢在於統計學和資料計算和分析上要優越於python。

Python語言編程的代碼可讀性高，整體美觀，屬於簡單粗暴性質的，短時間內少量代碼可實現複雜功能；R的文法很奇怪，各種包並不遵守文法規範，導致使用起來經常感覺蛋疼；R程式最終看起來沒有Python那麼簡潔美觀。

從全面性方面，我認為Python的確勝過R。無論是對其他語言的調用，和資料來源的串連、讀取，對系統的操作，還是正則表達和文文書處理，Python都有著明顯優勢。畢竟，python本身是作為一門電腦程式設計語言出現的，而R本身只是源於統計計算。所以從語言的全面性來說，兩者差異顯著。

python是machine learning領域的人用的較多。據我所知，做marketing research, econometrics, statistics的人幾乎沒有用python的
當然了，現在學編程比以前可簡單了多了。有句話不是這麼說的麼，“我不生產代碼，我只是stackoverflow的搬運工”。。。
以上僅僅是個人感悟，如表述不當，歡迎指出，拍磚的手下留情哦