Python比较好点,Python用的人比较多。
ython和R这2个都拥有庞大的用户支持。2017年的调查显示,近45%的数据科学家使用Python作为主要的编程语言,另一方面,11.2%的数据科学家使用R语言。
python与r语言区别如下:
Python的优势:
1. Python 包含比R更丰富的数据结构来实现数据更精准的访问和内存控制,大多数深度学习研究都是用python来完成的。
2. Python与R相比速度要快。Python可以直接处理上G的数据R不行,R分析数据时需要先通过数据库把大数据转化为小数据(通过groupby)才能交给R做分析,因此R不可能直接分析行为详单,只能分析统计结果。
3. Python优于R的另一个优势是将模型部署到软件的其他部分。Python是一种通用性语言,用python编写应用程序,包含基于Python的模型的过程是无缝的。
4. Python是一套比较平衡的语言,各方面都可以,无论是对其他语言的调用,和数据源的连接、读取,对系统的操作,还是正则表达和文字处理,Python都有着明显优势,尤其在计算机编程、网络爬虫上更有优势。
R语言的优势:
1. R在统计分析上是一种更高效的独立数据分析工具。在R中进行大量的统计建模研究,有更广泛的模型类可供选择,如果你对建模有疑问,R是最合适的。
2. R的另外一个技巧就是使用Shiny轻松地创建仪表盘,Python也有Dash作为替代,但是不够成熟。
3. R的函数是为统计学家开发的,因此它具有特定领域优势,比如数据可视化的强大特性,由R Studio的首席科学家Hadley Wickham创建的ggplot2 如今是R历史上最受欢迎的数据可视化软件包之一。
ggplot2允许用户在更高的抽象级别自定义绘图组件。我个人非常喜欢ggplot2的各种功能和自定义。ggplot2提供的50多种图像适用于各种行业。
单就数据分析对比,我认为R的优势有:
1、学习先易后难,不会把小白们吓掉;
2、数据科学的包特别多
3、可视化特别吊
R的缺点也不少:
1、R经常更新,更新后经常不支持之前你安装的包;我电脑里安装了10+个R的版本,不停的切换
2、R语言的包、函数名起的很随意,看名字不知道是干什么用的,记不起名字如何让小白使用啊。
3、R语言社区人少,遇到问题你只能自己解决
4、即使有RStudio,写代码还是不方便
下面再说下python,优点:
1、是一门看的懂的,说人话的语言。库名、函数名都很好理解记忆,而且你看别人写的代码基本知道这代码的意思,不信你试试。
2、数据获取占优势,数据分析第一步是数据获取,现在人文社科很多数据需要网上抓取,不过就抓数据而言,python更占优势。各种教程,代码,网上一大片。
3、社区人数特别多,基本你遇到的问题都能找到
python的缺点:
1、学习起来,开头很难,学习曲线与R正好相反。
2、公平起见,我还是写上,python的数据分析库不如R多
3、可视化不如R
综合下,建议大家学习python,语言通俗易懂,功能强大,越来越简单。