189 8069 5689
创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！
这篇文章将为大家详细讲解有关r语言和python应该选择哪个，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
先简要介绍下R：
R语言由新西兰奥克兰大学的Ross Ihaka和Robert Gentleman于1995设计出来(由于两人的名字均以 ‘R’ 字母开头，因此命名为R语言)，现在由“R核心开发团队“负责开发。
虽然R主要用于数据分析、绘图以及数据挖掘，但也有人用作矩阵计算。其计算速度可媲美专用于矩阵计算的开源软件GNU Octave和商业软件MATLAB。
起初R主要在学术研究中使用，但近年来在企业界也表现突出，这使得R成为企业中使用的全球发展最快的统计语言之一。
我们看看什么情况下选R更好。
1.1 如果你的编程水平是菜鸟级，选R
如果你的编程经验有限，推荐先学R。
对于软件开发新手来说，Python可能不错，但是我认为R更适合数据科学新手。
但是数据科学和软件开发不是同一回事。
解释一下为什么。
这种差异可归结为：数据科学家使用编程语言的方式与软件开发者不一样。对于数据科学新手来说，程序(programs)应该是脚本(scripts)，而不应该是软件(software)。
举个例子，我们用R语言处理一个叫Auto数据框(dataframe)：
library(ISLR)
data('Auto')
如果对R不熟悉，代码的具体意义可暂时不理会。
数据框是R语言中最常用的数据类型之一，以行列的形式排布，有点类似Excel表格。
在这个Auto数据框中有个weight变量，表示汽车的重量。我们想利用它来创建一个以公斤为单位的新变量weight_kg。
有很多方法可以实现这个任务。最容易想到的方法是：利用for循环遍历weight变量中的值，然后计算出新变量的值。听起来有点麻烦。
其实我们可以利用tidyverse包中已有的mutate函数直接计算出新变量的值：
mutate(Auto, weight_kg＝weight*0.45)
再次提示，代码的意义可先不理会。
这个方法避免使用for循环，更简单。事实上，在R中要实现某种功能，只要你知道要用哪个函数和哪个包，实现将会变得非常简单。
在R中，你应该尽量使用已有函数和包来完成相关任务，没必要自己创建工具来处理任务。这意味着你不需要知道很多传统意义上的编程概念。事实上你应该避免使用这些概念，比如：for循环、类、面向对象编程以及其它软件开发概念。
总之，相比Python，由于R的数据处理工具开发得更好且更容易使用，我认为R更适合做数据处理。
其实Python也有很多工具来直接处理数据，比如pandas包，但是Python的包和语法具有‘软件开发’的味道，依赖于一些软件开发概念（像for循环、类和面向对象等等）。比如，当浏览一些Python书籍的时候，你仍会看到介绍for循环、类声明等。对于那些没有软件开发或计算机科学背景的新人来说，这些概念很难被理解。
相反，很多情况下即使没有任何编程经验，你也可以很好地使用R的各种工具。
1.2 对于数据科学任务，R的语法更直观形象
对于数据处理任务，很多时候R的语法会更简单。函数和参数的命名设计也更好，很容易记住和使用。
举个例子，我们将分别用R和Python来删掉Iris数据框中的两个变量（由于R和Python都有Iris数据框，因此我们使用这个数据框）。
Python的优势
对于数据科学初学者，尽管我强烈推荐学R，但也不是唯一的选择。
对于某些人，Python可能是最好的选择。下面讲一下哪些情况下选择Python更好。
2.1 如果你有软件开发或计算机科学基础，学Python
如果你曾经有软件开发经验或者你是计算机科学专业的话，我认为Python会更适合你。因为你已经有编程经验了，使用Python会让你更舒服。
2.2 想开发软件，学Python
我已经说了R更擅长数据科学。如果你想建立软件系统的话，我认为Python更合适。Python的闪光点就是写软件，效率很高。就像一些专家所说的那样，写Python代码就如同写伪代码。
此外，Python是一门通用语言，基本啥都能干。然而R比较专，只是擅长统计分析和可视化。
我想澄清一下，不是说R不能写软件。只是更多人喜欢用Python去建立产品软件。因此作为数据科学家，如果你想创立软件系统，我觉得Python比R更合适。
2.3 想搞机器学习，学Python
如果你想长期从事机器学习方面的研究，我建议你学Python。
其实R也有机器学习生态系统。特别地，R的caret 包开发得很好，它有能力完成各种机器学习任务。比如：使用caret包建立回归模型（regression model）、支持向量机（SVM）、决策树（包括回归和分类）以及执行交叉验证（cross validation）等等。总之，R的机器学习生态系统发展得很好。
但是，Python在机器学习方面的支持出现更早。为实现各种不同机器学习方法，Python的scikit-learn库提供了一套更加简洁和易读的语法。而R中caret包的语法有时有点拙劣。尤其，caret包与Tidyverse包兼容得不是很好，输出的结果有时也很难处理。相反，Python的scikit-learn库与Python生态环境整合得很好。
市面上有关机器学习的书籍，其算法实现很多都是用Python写的。
总之，如果你想致力于机器学习，我认为Python会更好。
关于r语言和python应该选择哪个就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。