老板的老板浏览了服务器场，看到了数据 - Petabytes和Petabytes的数据。这导致了一个结论：该噪音中必须存在信号。在这个数字世界中，必须有聪明的生活 - 一种将所有这些硬盘填补数字填补的策略。
那份工作落在你的办公桌上，你现在必须找到一种方法，在数字“老鼠窝”里翻来翻去，找到一块宝石交给老板。
如何?如果你是一个开发人员，有两个主要的竞争者:R和Python。还有很多其他的解决方案可以帮助处理数据，它们属于商业智能或数据可视化之类的范畴，但它们通常是全服务解决方案。如果他们做了你想要的，你应该选择他们。但如果你想要一些不同的东西，那么，编写自己的代码是唯一的解决方案。当数据被清理、抛光并准备就绪时，全服务工具可以做得很好，但当一切都不太完美时，它们往往会打嗝，甚至呕吐。
Python和R之间的区别很大程度上是哲学上的。一种是由Unix脚本编写人员开发的全服务语言，它恰好被统计人员、大数据迷和社会科学家所采用。另一个是由统计专家、大数据迷和社会科学家设计和构建的数据分析工具。
人群非常相似，但方法却非常不同。一种是具有许多库的通用工具。另一个是专门为大数据分析而设计的。
你应该选择哪一个?下面是一个面对面的比较，让你更容易做出决定。
Python使预处理变得容易
有人说，50%的数据分析是事先清理数据;有人说是99%。不管确切的指标是什么，使用全服务语言清理数据会更好，它可以让您在需要时执行任意任务。Python是一种全服务的命令式语言，所以即使您从未使用过它，也可能熟悉它的结构和方法。添加新功能和新层来分解和清理数据是很容易的。如果这些功能需要本地存储，访问网络服务，或任何计算机程序通常可以完成的任意项，你可以毫不费力地将其包含进来。它只是另一种语言。
r让您用任何东西预处理
是的，Python使预处理变得很容易，但这并不意味着如果需要清理数据就不能使用R。你可以使用任何语言。事实上，在许多情况下，将数据净化例程与分析例程混在一起在结构上是不合理的。最好把它们分开。如果你要把他们分开，为什么不用你喜欢的语言呢?这可能确实是Python，但也可能是Java、C，甚至是汇编代码。或者甚至你想在数据库或其他存储层中预处理数据。R不在乎。
Python有无数的库
Python很流行，公共存储库的统计数据说明了这一点。这Python包索引在提供这方面提供102,199个包装，而且在阅读它时，数字几乎肯定会更大。这是冰山一角，因为代码无处不在，从Github到社会科学网站。PYPI的视图有很多好的Python代码。几乎所有这一切都是开源，可让你的生活更轻松。
r有一个跨国分析的Bazillion图书馆
r也有包裹。这综合R档案网络(CRAN)在本文编写时提供了10033个包，并且与Python一样，这个列表越来越长。这些包只用于一个任务:数据的统计分析。没有用于运行文件系统检查或服务器维护的包，因为R不做这些。虽然可能会有一些错误——就像所有开源库中存在的那样——但大部分代码都是由统计学家编写和审查的。
Python是不断发展的
如果你在法国说“周末”，每个人都能理解。这就是成为一种活的语言的意义。Python正在进化，变得越来越好，就像法语一样。从2.3版跳到3.0版破坏了旧代码，是的，但许多Python爱好者说，这个改变是值得的。一堆活的代码会变得更好，即使它会破坏旧代码。活的语言意味着人们想要使用和改进它。这意味着更多的开放源代码和更多的解决方案。就像Facebook上的政治表情包是我们为民主付出的代价一样，改变标准和破坏代码是使用一种流行的、不断发展的、活的语言的代价。
r静止
说R不变是不公平的。实际上，它是S的变体，具有词法作用域，使大型代码库更简洁。即便如此，许多人仍然能够在R解释器中运行S。Python程序员根本不知道代码库是2.3还是3.0。它只会更熟悉，更不可能破裂。这并不能保证，因为R也有生命，但它的步伐并不大，也不具有革命性。
Python任何语言都可以做的一切
Python是一种由程序员设计的通用语言，可以做任何程序员想做的事情。这和图灵完备性是不一样的。这生命的游戏是图灵完备的，但你不会想用它来写一个函数来计算斐波那契数列。您通常可以使用许多选项来完成某些任务，但Python的设计使其变得容易。Python是为充满大量代码的实际项目而设计的。在项目开始时，当您只需要写几行代码来清理一些微小的细节时，这似乎并不有用。但是，当这几行代码变成了数千行，混乱的代码变成了意大利面条式的代码时，它就变得很重要了。Python是为更大的项目而构建的，最终您可能会需要这些特性。
R擅长统计
R用于统计分析。你桌上的工作是什么?统计分析?看起来没有进一步。选择适合这项工作的工具。扳手可以做锤子的工作，但锤子是用来做锤子的工作的。
Python有命令行
在指向和单击时提出的孩子们通常不能首先GROK命令行，但最终他们了解命令行的电源和表现力与良好的键盘耦合。语言的组合学非常令人惊叹。您必须单击几十个菜单页面来完成同样的事情，即良好的字符串可以使用命令行进行。Python住在这个世界上。Python是为命令行而构建的，并在那里蓬勃发展。该技术可能看起来非常令人难以置信，但它是高效且强大的。
R有这个和RStudio
R也是围绕命令行构建的，尽管它在命令行内部构建了相当多的状态。但很多人在这样的环境中工作rstudio.或R指挥官，两个世界中的两个世界，将一切都在一个漂亮的弓中。有一个命令行，但也是一个数据编辑器，一些调试支持以及要保存图形的窗口。Python世界一直在努力通过与日食或Visual Studio这样的现有界限一起追赶。
Python有网络
也许会有开发Python的网站是很自然的，Python是一种与Unix web服务器共同发展的脚本语言。有牛仔竞技和詹耶特对于初学者来说，更多可能会来。将端口80与解释器链接很容易，因此Python与Web工作得很好。是的，您可以使用Jupyter为Scala，Julia和R这样的其他语言，但如果您必须记住，如果您想知道谁先到那里，请记住如何拼写名称。
r爱乳胶
许多使用R攻击他们的数据的人也使用LaTex来编写报告所述数据中的信号的论文。只有某人创建狙击手，这是一个非常聪明的系统只是与纸张布局混合的非常聪明的系统。用于分析数据和创建图形的R命令将混合到您的文本中报告结果。这一切都在一个地方，最大限度地减少了腐败或粘滞巴克的危险。您按一个按钮，软件重新分析您的数据并转储最终文档的结果。
同时使用
为什么不像许多数据科学家已经做的那样，两全其美呢?数据聚合的第一阶段可以用Python完成。然后将数据输入R, R应用语言中内置的经过良好测试、优化的统计分析例程。就好像R是Python的一个库。或者，Python可能是一个r的预处理库。为特定的层选择最好的语言，构建一个层蛋糕。Python是糖霜，R是蛋糕吗?还是恰恰相反?你决定。
相关文章
- Python巨指南:最好的框架和ide
- 快速指南：学习用r收缩数据
- Angular vs. React:一场开发者思想分享的史诗大战
- PHP vs. node.js：开发人员思维的史诗般的争斗
- 21热长编程趋势 - 和21次冷
- 9谎言程序员告诉自己
- 职业黑客：专业对开发人员做的和不做
- 什么深入学习真的意味着
- 职业发展:进入数据科学领域
- 22侮辱没有开发人员想要听到
这个故事，“Python vs. R：数据科学家思维的战斗”最初是发表的InfoWorld. ．