本文作者黄天元探讨R与Python在数据科学中的应用，强调两者并非对立，而是互补。文章以包的载入为例，介绍了Python的`import`和R的`library()`，并推荐了R中的`pacman`包来简化包管理。通过对比，阐述了Python的命名空间概念与R的不同处理方式，旨在促进双语学习和理解。
作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。
邮箱：huang.tian-yuan@qq.com
前言：
R与Python是数据科学中两门最常用的开源软件，两者有很多共同点，但是在具体应用中又不太一样。作为熟练的R用户，我一直患有“学习Python困难症”，每当我想要好好学习Python的时候，我总是发现在R中也有相应的解决办法，而且我学起来要更加便捷（R的学习曲线越到后面就是越容易）。但是，现实就是Python的用户其实要更多，从招聘的岗位描述到Kaggle机器学习讨论的资源，数量上来说Python目前都是更多的。我不希望因为少学习一门语言就关上了一扇与外界交流的大门，因此决心开始学习Python。说到底，R与Python都只是解决问题的工具而已，特点有所不同，但是没有高下之分。而我想要聚焦的热点问题，则是数据科学。其实只要抓住数据科学理论的本质，同时学习R与Python并不是难事，计算机编程语言从本质上都是互通的，更何况我们解决的还是同类型的问题。网上很多用户把R与Python对立起来，其实完全没有必要，多学一门语言真的没有这么难。因为R与
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
