数据分析和作图用python好还是R！python真有那么神吗？

很多人无编程经验，但是出于对学术的研究，需要用些辅助工具用于数据分析和作图不错。很多网上有人说学 R 有人说学 Python。

Python 在很多人口中无所不能，比如说编写一些自动化程序、黑别人网站、做游戏外挂之类那么，Python 真的那么神奇吗？

首先，两种语言都能做胶水语言的工作没有疑问

嗨喽：小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。

描述:Python 事实上应用范围更为广泛，而 R 语言一定程度上被局限在了数据处理、数据分析、数据挖掘领域。我认为可能有下列原因：

首先，R 作为一个想要继承 S 语言的遗产的语言，它一定程度上应该也继承了 S 的语法（不过我确实不了解 S 语言），这就导致它的许多表示对于熟悉了 C/C++/Java 这一系统语言的程序员感到许多不适。比如：赋值符号会是「<-」（虽然通常来说用「=」）；而原本应该是属性访问的「.」居然可以作为变量名的一部分，类似的功能要用，还有比如数组用「c()」表示。虽然这并不是语言设计的问题，但我确实很不喜欢这种不适感。

语法设计方面上，还有一个因素就是各种函数名缩写的一致性上。 R 嘛，可能也是有历史包袱的原因，非常的混乱，总是给人像 MATLAB 那样各种夸张、毫无限制的感觉。比如有的就是把单词的几个辅音拿来缩写，把几个单词首字母拿来缩写（比如 nnls 这样缩写 non-negative least squares），这样无论从可读性上、函数名的猜测上基本上非常难（可能是科研人员偷懒的通病，误）。这方面 Python 作为一个给有洁癖的人设计的语言（误），就会好很多。

另外也要看轮子的状况。Python 有那个 pip（Python Package Index）等几个仓库，R 语言有它那个可怕的 CRAN（The Comprehensive R Archive Network）（明显 CRAN 这个名字起得更吓人一些，而且另外能自称 Comprehensive Archive Network 的 只有 Perl 的 CPAN 和 TeX 的 CTAN 了，都是什么怪兽的量级的东西了），但轮子的方向其实很明显，Python 的轮子的方向更为多样，而 R 语言的轮子会更多得围绕数据统计分析方面。

然后从数据模型本身而言，Python 会是有「list」、「dict」这一类，传统意义上的编程模型，受经典编程训练的人就会用着比较爽吧，而响应的， R 里面可能会强调「dataframe」数据帧这些（或者有时候是「datatable」，这个记不清了），给统计人员用起来更舒服吧。

互联网疯狂发展的这十年来年，Python 在几家互联网公司的主推之下不可谓不是大红大紫如日中天。不过这几年来 R 乘着数据挖掘的东风，总给人一种东山再起的感觉。君不见微软在这几年开发者大会上也有提到 R 方面的东西。

个人感觉 R 给人的感觉和 Perl 更像一点，做某些事情非常好，但是以牺牲一部分东西作为代价的前者主推统计领域，后者更具备泛用性。而 Python 是仔细权衡了这种代价而清理过的 Perl 的。

R 加上 ggplot2 以及其他绘图包能做的事情大多 Python 或者搭配上 numpy、scipy、matplotlib 也能做，但做的风格如何，优不优雅的话就不好说了。个人更喜欢 Python 因为自己整体上更熟悉。所以具体怎么选还是看自己！

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

朋友们如果需要这份完整的资料可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、Python学习大纲

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、入门学习视频

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、python副业兼职与全职路线

👉[[CSDN大礼包：《python兼职资源&全套学习资料》免费分享]]（安全链接，放心点击）