生物信息几乎所有软件都由linux里面的命令行,你需要python或者一种scripting language 把一个个单独的命令串成一个script,这里有三四个事儿,数据格式转换
这里是Perl和python的天下,R虽然都能干但是太慢了。
2 把命令行穿串
这里是Perl和python的天下,R 太麻烦了。以前perl用的多现在python多。
3.分析结果
这里三个都可以,但当前是R,Python的天下。现在基本上R与python并重。R和Matlab是原生的统计语言,有很多第三方的包,生态系统远比python完善,现在python在机器学习领域应该说是略显优势,但在其他领域生态系统脆弱的多。
4.画图
这里三个都可以,但当前是R,Python的天下。由于python对其余领域例如数据库,网站等要略强于R,一些web-based 交互式application上有从R向python过度的趋势。
作为一个年长的从业人员,应该是在从R+Perl过度到R+Python, 刚入行的基本上是R+Python.
因为Perl 语法太灵活,上百行的代码,即便是自己写的,隔一段时候也发现,太**难懂了。所以尽管Python后来发展的,目前要比Perl群体大一些,应该说是未来的主流。
最后我想说,半路杀出来个julia,说要歼灭 R和python,以前我不信。后来发现,尽管歼灭是完全不可能的,但某种意义上说julia确实兼备R和python的长处。无奈生态系统太不完备,用户小,第三方包太少太少。此外语法上,python用户几乎可以无缝对接