数据科学界西岳论剑：R与Python顶峰对决
假如你是数据阐明规模的新兵，那么你必然很难决议——在举办数据阐明时，到底应该利用哪个语言，R照旧Python？在网络上，也常常呈现诸如“我想进修呆板语言，我应该用哪个编程语言”可能“我想快速办理问题，我应该用R照旧Python”等这类问题。尽量两个编程语言今朝都是数据阐明社区的佼佼者，可是它们仍在为成为数据科学家的推荐编程语言而战斗。本日，就让我们从数据科学的角度，一步步较量这两大编程语言。
#1 对阵两边先容
Ladies and Gentlemen，让我们谨慎的先容本日的对阵两边：R和Python！R语言当前版本是2015年6月更新的3.2.1版。Python 2当前版本是2015年5月更新的2.7.10版，Python 3当前的版本是2015年2月更新的3.4.3版。
R语言是Ross Ihaka和Robert Gentleman于1995年开拓的，作为贝尔尝试室S编程语言的一种实现，其开拓情况主要由C语言，Fortran和R来完成。Python的宣布年份其实远在R之前。Guido Van Rossum于1991年开拓完成了Python，并由Python软件基金会(PSF)认真其成长。其开拓灵感主要来自C语言和Modula-3，部门来自ABC语言。Python的名字取自喜剧蒙提·派森的航行马戏团（Monty Python’s Flying Circus）。
从定位角度看，R致力于提供更好的，对用户友好的数据阐明、统计阐明和画图模子；而Python则强调出产效率和代码的可读性。
两边的用户群也有必然的差别。R主要用于学术和研究规模，如今正在快速拓展其企业市场的运用。Python的利用者，是那些想深入钻研数据阐明可能应用统计技能的措施员，以及向数据科学寻求帮护的开拓者。用一句话总结：“越靠近统计研究跟数据阐明人，越倾向R；越靠近工程开拓工程情况的人，越倾向Python”。
R和Python都获得大量的社区支持，包罗邮件列表(Mailing Lists)、用户孝敬的文档、以及Stackoverflow网站。另外，R还可以从研究人员、数据科学家、统计学家和数量阐明专家哪里获得更多的支持；而Python则从开拓者和措施员哪里获得的支持。
从实用性来讲，R通过几行代码就可以写出统计模子，尽量R有样式表，但并不是每小我私家都利用它们，可以用若干种方法写出同样的成果。在Python中写代码和调试代码则更容易一些，主要是因为它的“美妙”语法。可是代码的缩进会影响它的意思。而且，在Python中，永远只有一种方法来写同样的成果。
在机动性方面，在R中利用巨大的公式很容易。各类百般的统计检讨和统计模子都是现成的而且容易利用；对比R，Python在完成以前没有做过的新奇的工作上，很机动，开拓人员也会用它写网站或其它应用的剧本。
关于易进修性，开始进修R时有一个陡峭的进修曲线，一旦相识了最根基常识，就能很容易地进修更高级的常识。因此，对付有履历的措施员，R并不难。发起R的进修者查察DataCamp上的操练和教程。
由于Python垂青可读性和易用性，使得它的进修曲线相比拟力低而且平缓。因此，对付低级措施员，Python 被认为是一个很好的编程语言。对付Python进修者的发起是，实验用《笨步伐学Python》进修的同时看视频做操练。
两者都有本身的代码库。CRAN（The Comprehensive R Archive Network）是一个很大的R包库，用户很容易为其孝敬代码。R包是一个包括R函数、数据和编译代码的荟萃，R包在R顶用一行代码即可安装。PyPi（Python Package Index）是Python软件库，用户可觉得PyPi孝敬代码，但实践起来有点坚苦。
计较机科学传授Norm Matloff 曾说过，“Python并未成立起一个能与CRAN媲美的庞大的代码库，R在这方面领先庞大。可是，统计学并不是Python的中心任务。”
其实R与Python并不是完全孤独的，在R顶用户可以通过rPython包运行Python代码，从Python通报或获取数据，挪用Python函数可能要领。而在Python中也可以利用RPy2包运行R代码，这提供了一个从Python到R的底层接口。
以上，从定性的角度举办了较量。此刻，看看两边的定量数据。小二，上数据！
先看人气排名，下图左边为2013-2015年2月R和Python人气较量（Tiobe指标），右边为Redmonk排名，它较量了GitHub和Stackoverflow上编程语言的相对机能。#p#分页标题#e#
再看事情和薪资，2014 Dice Tech薪金观测显示，具有高薪技术和富厚履历的R利用者的平均人为为115,531美元，而Python则为94,139美元
#2 数据阐明疆场
首先是用途。R的主要应用场景是，当数据阐明任务需要独立运算，可能需要在单个处事器上阐明；Python的一般应用场景是，数据阐明任务需要与网页应用整合，可能当统计代码需要并入制品数据库。
按任务范例分别，做摸索性研究时，R语言很适合初学者。几行代码便可写出统计模子；而作为一个完整成熟的措施语言，Python是为产物利用举办算法执行的一个东西。
数据处理惩罚本领上，利用R举办数据阐明很容易上手，因为它具有复杂数量的包、利便利用的检讨以及在利用公式方面的优势。做根基数据阐明时，R语言更利便，不需要特别安装包，大的数据库需要利用雷同data.table和dplyr包。已往，Python数据阐明包的年少期曾是个问题，可是此刻已经获得很大的改进，用Python举办数据阐明时，你需要利用NumPy、Pandas和其它的措施包。
如何上手也是比拼的一个方面。R的集成开拓情况(IDE)可以选择RStudio。R更受接待的措施包有：dply、plyr和data.table（易于操纵数据），stringr（易于操纵字符串），zoo（处理惩罚法则和犯科则时间序列），ggvis、lattice和ggplot2（数据可视化），caret（呆板进修），发起初学者查察DataCamp上的课程和教程。
Python的集成开拓情况(IDE)有许多，个中Spyder和Python Notebook更受接待。发起初学者查察Rodeo（被称为“Python到数据科学IDE”）。Python更受接待的措施包有：pandas （易于操纵数据），SciPy/NumPy（科学计较），sckikit-learn（呆板进修），matplotlib（用于作图），statsmodels（数据摸索、统计模子预计、统计检讨和单位测试）。
［发起］给Python初学者推荐“8步从Python白丁到专家”（点击查察）。若想相识更多Python包，请看“数据科学家之5个较佳Python库，为初学者定制的教程” （点击查察）。
关于技能支持，利用R举办数据阐明有许多技能支持，包罗Stackoverflow、Rdocumentation,（R文档整合）和R-help 邮件列表。
Python的数据阐明问题可以通过以下方法得到支持：Stackoverflow和邮件列表。
邮件列表包罗pydata（关于利用Python举办数据阐明和Pandas包）、pystatsmodels （Statsmodels和pandas包的问题）、numpy-discussion （Numpy包的问题）和sci-py user（大部门是SciPy可能科学问题）
同样，定性比拟后再看看R和Python的量化战争！
从整体数据来看，在做数据阐明时利用R的人数要多于利用Python（下图左：2014用于数据阐明的措施语言）。在2014年，有23.45%的人同时利用R与Python（下图右：2014年R和Python利用阐明）。
在2008-2014年5月之间，Stack Overflow上问题标签是”R” 和／或 “Python”、“Pandas”的数量，R明明领先。在2015年3月12日到4月10日之间，在twitter上统计rstats, python numpy, python pandas和numpy这几个要害词，活泼度较大的是rstats。
事情和薪资方面，O’Reilly 2014数据科学人为观测显示，R和Python平均年收入范畴都是11万美元到12.5万美元之间。Indeed.com上R与Python的事情趋势显示，Python的事情需求量高于R。
此刻许多人都选择同时利用R和Python。有的计策是操作两种语言较好的部门——初始阐明在R语言中举办，在需要更严格的阐明、团队事情可能宣布代码和数据产物时开始转换到Python。有人是用R举办统计检讨、绘图和查抄大数据，必需写算法时，则更倾向于用Python。也有人说，更倾向于在通用语言中做数学计较，而不是用数学语言举办通用编程。
［发起］选定语言只是万里长征第一步。假如你想要成为数据科学家，推荐你看一篇受接待度很高的文章“天龙八步：8步让你酿成数据科学家”（点击查察）。
#3 总决选：优缺点
此刻来较量一下两者的优缺点。R较大的利益在于其作图本领，俗话说，一图抵千言，对比单看原始数据，可视化后的数据能被更高效、更有效的领略。操作ggplot2 可以绘制美妙的图表，利用图表算法缔造图层、定制图表；lattice易于展示多变量干系；rCharts从R中成立、定制和泛起交互式Java可视化；googleVis操作Google表格东西在R中可视化数据；用ggvis对一个网页欣赏器举办渲染时，可以实现图像的交互式语法，譬喻在R中可视化Facebook挚友。
IPython较大的利益在于，IPython Notebook使得用Python阐明数据变得容易，它可以将你的阐明放在一个文件中。用Python处理惩罚数据可以简化事情流程。它是一个组合，个中包罗：交互式Python数据摸索、在一个情况下为文档提前写好措施、文本和公式。你可以跟同事分享条记本，而且不消他们安装任何对象。IPython大大淘汰了打点代码、输出和条记本文件的时间，这样可以有更多的时间做实际事情。#p#分页标题#e#
R 的生态系统是它的另一项优势，先进的界面措施包使其能与开源语言举办交换，这让你把事情流程连成一串，对数据阐明尤其有用。措施包可以从：CRAN（ “Task Views”列出了大量可用的R语言措施包）、Bioconductor （生物信息学的开源软件）、GitHub （基于网络的Git库主机处事）得到，在Rdocumentation（较早的R文档聚合器）中很容易搜索到这些资源。R的用户社区也做得很是优秀，包罗Meetup群组（个中一些由R用户社区的公司扶助）、博客和社交网络。
Python是一种通用语言，其另一个利益在于它的可读性和进修曲线；同时，Python简朴直观，它对可读性的重视更放大了这一特征。这就表明白为什么Python的进修曲线相对平缓，因而许多措施员很熟悉它。而且，你写一个措施的速度也获得正面影响：编程时间更少了，玩耍时间更多了。
Python的测试框架确保代码的可反复性和靠得住性，一个内置低壁垒的测试框架可以或许支持一个很好的测试包围率。其测试东西分类包罗：UnitTest Python（尺度库中较早的测试框架）、Nose （UnitTest的扩展，许多措施包利用它，如pandas）、DocTest （基于Python尺度表明器的输出很容易生成测试），Pytest （当举办巨大的函数测试时，可以举办小测试）。
R有一个不行替代的优势：统计的通用语言。R是统计学家为统计学家开拓的，他们通过R代码和措施包交换统计阐明思想和要领，纵然是不管帐算机编程语言的统计学家、工程师和科学家也会以为R容易利用，因此提高了财富回收率。R也被用在金融、药物、医学和市场等规模，而且其作为贸易阐明东西的职位正在不绝增长，在贸易规模的最重要代价正被一些有才气的人所相识利用，R在学术界已经被遍及利用。R的利用量正在快速增长，其在学术文章中处于常用软件排名第三的位置（紧随SAS和SAP），且这一位置正在被固定。
与R对比，Python是一个多用途语言。作为一个被大大都措施员所熟知的普遍且易于领略的编程语言，Python也能把差异配景的人聚积到一起。譬喻，一些机构不想雇佣数据阐明师可能雇佣新的数据阐明师较量坚苦，就会培训老员工利用Python。这意味着，Python是一个现成的编程语言，它可以或许作为一个单独的东西与你事情流程中任意一部门团结。
两者的缺点是什么呢？R运行慢，而这一点是存心为之。R的设计目标是使数据阐明和统计阐明变得容易，而不是为了让你的电脑“活得更轻松”。它有一个不完整的非正式界说，主要通过实现事情的方法来界说。除了设计和实现，大量R代码慢的原因很简朴——代码写的很差。为改进这一点，可利用提高R机能的措施包：pqR（R翻译器的一个新版本）、renjin、FastR（在Java中从头写R）、Riposte（一个很快的理会器和JIT）、RevoScaleR（用来处理惩罚大数据的贸易软件）、Foreach（用来提高并行编程的贸易东西）。
Python较大的问题在于其可视化，选择数据阐明软件时，可视化是一个重要原则。固然Python有一些很好的可视化措施库，包罗：Seaborn（基于matplotlib的措施库）、Bokeh（交互式可视化措施库）和Pygal（成立动态可伸缩向量图形（SVG））。但Python提供的可选择措施库过多，且与R比拟，在Python中举办可视化有些巨大，泛起的功效也并不是很令人满足。
因为由统计学家开拓，R另一个缺点是它陡峭的进修曲线。尽量任何人都可以利用GUI获得功效，但没有人可以或许完全避开写措施，而且找措施包很花时间。你可以通过利用正确的东西办理这个问题，操作以下这些资料可以帮组你降服这个陡峭的进修曲线：包罗DataCamp上的操练和教程和上Rdocumentation搜索措施包。
Python另一个问题是它还不成熟，造成一种更受限制的方法去思考数据阐明。停止今朝，没有模块可以或许取代根基R措施包的100个。Python正在尽力客服这一问题， 个中一些办理步伐包罗：IPython中的R扩展答允在IPython Notebook中利便利用R；现有资源和约命名堂充当了一个重要脚色：Matlab凡是用于宣布开放的研究代码，Python用于数学，R 用于统计。Mlabwrap 毗连了Python和Matlab，可是有些缺点，因此你需要学会两种措施语言，而且需要有一个Matlab许可证。#p#分页标题#e#
两种语言有许多配合利益。其一是开源，R和Python都是对任何人免费，其它统计软件（如SAS和SPSS）都是贸易东西。
其二是他们都是高级东西，许多统计学的新希望会先在R和小范畴的Python开源措施包中呈现，这比贸易平台要早。
第三是它们都提供在线社区，相对贸易软件提供收费的用户支持，R和Python操作在线社区对它们相应的用户提供支持。
最后，二者利用者的薪水都较量高，按照O’Reilly 2013数据科学人为观测显示，主要利用开源东西的数据科学家（130,000美元）比利用贸易东西的数据科学家（90,000美元）的人为中值更高。
#4 那么赢家是……最后的功效是平局！哪个东西更适合，取决于你这个数据科学家如何去挑选一个最适合你需要的措施语言。下面的问题可以指导你做出抉择。1.你要办理什么样的问题2.你进修一门措施语言的本钱？进修一个能更好地办理问题的新系统会耗费时间，但依旧利用你熟悉的系统并不能办理你要办理的问题。3.在你的规模最常用的东西是什么？在你的规模中尚有什么可用的东西，它们和那些常用东西有什么干系？
参考资料
