都是程序计算机语言。
Python入门简单，而R则相对比较难一些。R做文本挖掘现在还有点弱，当然优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能"智能地”帮你适应。这种简单的软件适合想要专注于业务的人。
Python几乎都可以做，函数比R多，比R快。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。
相关介绍
Python和R本身在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法，所以使用起来产出比大。
这两门语言对于平台方面适用性比较广，linux、window都可以使用，并且代码可移植性还算不错的。对于学数理统计的人来说，应该大多用过MATLAB以及mintab等工具，Python和R比较贴近这些常用的数学工具，使用起来有种亲切感。
一般来说，数据科学中往往会涉及大量数据的处理，此时优化代码是至关重要。考虑到这些基本原则，来看看哪些语言是数据科学中应该掌握的： R语言
R 发布于 1995 年，是 S 语言的一个分支，开源。目前由 R Foundation for Statistical Computing 提供技术支持。优点：免费、开源，各种功能和函数琳琅满目专门为统计和数据分析开发的语言，即使基础安装也包含全面的统计功能和方法数据可视化缺点：性能，R 作为解释型语言，运行效率并不高R 在统计学的表现很出色，但并不适用于通用编程Package 的可靠性问题小结： R 语言在统计和数据可视化方面非常强大，并且开源让它聚集了一帮活跃的贡献者，不过由于开发者良莠不齐，导致 Package 的可靠性方面会有点问题Python
Guido van Rossum 在 1991 年推出 Python，开源。Python 广泛用于数据科学领域，目前主要的版本是 3.6 和 2.7 。优点：Python 是一门主流编程语言，有着广泛的在线支持入门友好，易于学习有诸如 pandas ， scikit-learn 和 Tensorflow 这样优秀的 package缺点：Python 作为动态语言，比 Java 还慢，而且容易出现类型错误对于特定的统计或数据分析，R 的封装会比 Python 更轻松而在通用性方面，也有比 Python 更好的替代方案小结： Python 是数据科学中很好的选择，而且，Google 的 TensorFlow 使得机器学习框架都偏向于PythonSQL
