Python是一种跨平台的计算机程序设计语言。
是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
2、适用群体：
R语言在学术研究和调查工作中使用的比较多，逐渐延伸到企业商业界。使用人群不一样需要计算机背景，统计、金融、经济、核电、环境、医疗、物流管理乃至人文学科，都有R语言立足之地Python相比R非标准的代码，Python作为出了名的语法简洁工具，对于一些稍有编程基础的人来说格外友好，可以减少在编程进程中的磕绊，没有任何基础的编程小白一样可以上手Python，适用于金融、医疗、管理等各行各业。
3、学习难度：
刚开始学习R语言的时候了解最基本知识和语言逻辑，入门不难，如果数理统计基础好的话学起来更容易，相反，如果没有数理背景，学习起来会增加难度Python看重可读性和易用性，学习难度比较平缓，对于初级小白而言，十分友好，可就业方向也有很多。
4、就业方向：
R场景：数据探索、统计分析、数据可视化岗位：数据分析师、数据科学家、投资分析师、税务人员、管理人员、科研人员等。
Python场景：数据分析、网络爬虫、系统编程、图形处理、文本处理、数据库编程、网络编程、Web编程、数据库连接、人工智能、机器学习等岗位：数据架构师、数据分析师、数据工程师、数据科学家、程序开发员等。
Python与R语言的共同点：
Python和R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。
Python和R两门语言有许多平台适应性，Linux、Windows都可以用，并且代码可移植性强。
Python和R比较贴近MATLAB以及minitab等常用的数学工具。
Python和R语言的区别：
数据结构方面，由于从科学计算的角度出发，R中的数据结构非常简单，主要包含向量、多维数组、列表、数据框而Python则包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组、元组、集合、字典等等。
Python与R对比速度更快，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。
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，还是正则表达式和文字处理，Python都有着非常明显的优势，而R在统计方面比较突出。
Python的pandas借鉴了R的dataframes，R中的rvest则参考了Python的beautiful
soup，两种语言在一定程度上存在互补性通常，我们认为Python比R在计算机编程、网络爬虫上更有优势而R在统计分析上是一种更高校的独立数据分析工具，所以说Python和R各具备不同的优势，很难抉择。
不过相对于R来说，Python更加简单、易学、语法清晰，适合零基础入门学习，而且掌握Python之后不仅可以从事数据分析岗位工作，还可以从事人工智能、web开发、游戏开发、运维等工作。
目前就是用RStudio还可以，RStudio Server也很好。未来比较期待从ipython notebook衍生出的Jupyter。R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。 R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说：R，是S-PLUS的一个“克隆”。
但是请不要忘了：R是免费的(R is free)。R语言源代码托管在github 。
R语言的下载可以通过cran的镜像来查找，具体地址可以看参考资料。
R语言有域名为.cn的下载地址，有六个，其中两个由Datagurn，由中国科学技术大学提供的。R语言Windows版，其中由两个下载地点是Datagurn和USTC提供的。
