R 和 Python究竟该怎么选？

Python_P叔

于 2023-10-28 10:32:43 发布

阅读量78

点赞数

文章标签： python 开发语言

本文链接：https://blog.csdn.net/Saki_Python/article/details/134088389

版权

R和Python是数据分析领域最常用的两种语言，各自有自己的特点。
那么，我们应该如何选择这两种编程语言呢？

希望本文能为你选择时带来一些帮助。

1. Python 是什么

Python的历史可以追溯到1989年，由荷兰国家数学与计算机科学研究中心的吉多·范罗苏姆(Guido van Rossum)创建。

Python语言本身并不是为了数据分析而创建的，它是一门通用的编程语言。
它之所以在数据分析和机器学习领域如此出名，是因为有非常优秀的团队和大牛基于Python开发了相关领域的库。
这些库让Python语言在相关的领域大放异彩。

比如，处理多维数组时，有Numpy；分析和处理表格类数据时，有Pandas；做报告或者交互式分析时，有Jupyter；做机器学习研究时，有Scikit-learn；做深度学习时，有Tensorflow等等。

那么，为什么这么多优秀的库会基于Python语言来开发？
原因就是Python的简洁性和易读性使得它非常适合初学者和学习使用，它让很多具备某个领域专业知识的人能够快速上手，用它来实现专业领域的算法和模型。
它不像C和C++之类的语言那样，虽然性能会更好，但是学习语言本身就带来了很大的负担。

Python在数据分析和机器学习领域广为人知，但是它的应用场景远不止此，它在Web开发，运维等领域也被广泛使用。

2. R 是什么

R语言同样历史悠久，它的历史可以追溯到1976年，由新西兰统计学家罗伯特·吉布斯·唐纳森(Robert Gentle stone-Donnelly)和阿德里安·皮特曼(Adrian Pitman)创建。

R语言不是一种通用的编程语言，它是专注于统计分析领域的，所以名气没有Python那么大。
不过，经过这么多年的发展，也积累了上万个可用的软件包，可用于各种数据分析，数据可视化和训练深度学习模型等等。
R的软件包管理工具是CRAN（R综合档案网络的简称），如果用R做数据分析的话，几乎可以在CRAN上找到任何你需要的工具。

R语言的统计和图形能力是它的特色，这一点上它是比Python更强大的。
它有包罗万象的统计函数可以调用，特别是在时间序列分析方面，无论是经典还是前沿的方法都有相应的包直接使用。

3. 数据处理方面的比较

因为本篇是讨论R和Python这两者在数据分析领域如何选择，所以，就数据处理方面，下面分了4个点进行比较：

数据源方面：Python更胜一筹。

Python是通用语言，几乎可以导入任何的数据源，包括直接对接各类数据库；
而R是为数据分析师而设计的，数据源方面主要是excel和文本数据。

数据探索方面：各有千秋，Python中有Pandas之类的数据处理库，R中也有各种各样的统计函数可以调用。
数据模型方面：R似乎更强一些。

R对于各种经典还是前沿的方法都有相应的包可以直接使用；
而Python在模型的专业性方面不如R，通用性上更好一些。

数据可视化方面：这是R的强项，与Python相比具有明显的优势。

R的基本图像模块就可以轻松创建各种图表和绘图，更高级的绘图也有各种CRAN中的包来支持。
Python本身的绘图能力很弱，依托第三方的库才能绘制各种分析图表。

4. 如何选择

最后，也是最关键的，就是我们在数据分析时，应该如何选择用R还是用Python？

首先，如果你毫无编程经验或者有极其丰富的编程经验，那么建议使用R。
因为，R只需几行代码就能运行数据分析任务并得到好看的分析结果图表，不用先学习编程语言的基本知识；
而R的高级功能需要极强的统计专业知识，编程经验丰富的话才能很快理解并使用。

如果编程经验介于两者（新手和高手）之间，那么选用Python。
因为Python的语法非常简洁，有一些编程经验（不管是不是Python的编程经验）的话，都能够很快上手。
然后学习Python那些相关领域的库（比如Pandas，Numpy等等）的接口，就能开始自己的数据分析任务了。

其次，如果你专注于数据统计分析领域，并且对数据可视化要求高，经常需要出具分析报告的话，那么选用R。
如前面所述，可视化和专业的统计分析领域是R的强项。

如果数据分析只是你项目中的一环，数据分析是为了其他具体的业务服务的，那么选用Python。
Python作为一种胶水语言，很容易和其他系统或者服务对接，而且它本身也可以用于数据分析领域之外的开发。

我自己经验来说的话，如果你长期从事数据分析领域的工作的话，最终两者都会用到。
我自己就是这样，刚开始用的是R，只需要帮客户出具分析各种图表，用于他们的报告之中；
后来，客户的数据来源五花八门，有时还需要自己去采集，清洗，这时候就开始使用Python多一些了。

---------------------------END---------------------------