r语言转python_Python赶超R语言，成为数据科学、机器学习平台中最热门的语言？...

之前我们在kdnuggets上做了这样一个问卷调查，2016、2017两年，在分析、数据科学和机器学习的工作中，你用R语言，还是Python，或两者都用，或选择其他的语言？

通过分析954个回答，我们得出了这样的结论：虽然Python并没有完全取代R语言，但在2017年，Python已经成功打败R语言，成为分析、数据科学和机器学习平台中使用频率最高的语言。

在2016年Python还是第二位(主要用Python的人占34%，主要用R语言的人占42%)，在2017年Python就以5%的优势领先于R语言(主要用Python的人占41%，主要用R语言的人占36%)。同时用Python和R两种语言的人也从2016年的8.5%增长到12%了，而用其他语言的人则从16%降到11%。

图1：2016-2017年，在分析、数据科学和机器学习中使用Python、R语言、Python和R语言、其他语言的占比

之后，我们分析了大家在不同语言之间的转换情况。

图2：2016-2017年，分析、数据科学以及机器学习平台中各种语言的转换情况

这张图看起来很复杂，不过从中可以很容易地看出Python在忠诚度和转换率两个关键层面都领先于其他语言。忠诚度：使用Python的用户对它的忠诚度要高于使用其他语言的用户。2016年使用Python的用户中，有91%的人2017年还在继续使用它，而R语言的用户留存率为74%，其他语言的用户留存率则为60%。

转换率：从2016年到2017年，只有5%的Python用户转向R语言，而R语言用户转向Python的则是10%，这是前者的两倍。另外，2016年同时使用两种语言的人中，只有49%的人还在继续使用这两种语言，38%的人转向Python，11%的人转向R语言。

接下来我们看一下2014-2017年这几种语言的使用趋势。

因为我们2015年【R vs Python】的问卷调查中没有提供【同时使用两种语言】这个选项，因此下面2014-2016这四年的对比趋势图中，2016、2017年的Python、R语言使用趋势我们是这样计算的：

Python*= (Python的比例) + 50% * (同时使用Python和R语言的比例)

R* = (R的比例) + 50% * (同时使用Python和R语言的比例)

可以看到，R语言的使用率在逐年缓慢下降(从2015年的50%降到2017年的36%)，而Python的使用率则从2014年的23%增长到2017年的47%。另外，其他语言的使用率也在逐年下降。

图3：2014-2017年，Python、R语言及其他语言在分析、数据科学和机器学习的使用情况对比

最后，我们也按地区分析了几种语言的使用趋势，地区分布情况如下：美国/加拿大，40%

欧洲，35%

亚洲，12.5%

拉美，6.2%

非洲/中东，3.6%

澳洲/新西兰，3.1%

为了简化对比图，我们将同时使用R语言和Python的比例也按照上面的计算方法折算到单独使用R语言和Python的比例中，并把亚洲、澳洲/新西兰、拉美、非洲/中东这四个占比较少的地区合并为一个区域。

图4:2016-2017年，不同地区使用Python、R语言和其他语言的情况

我们注意到不同区域的语言变化情况：Python的使用率增长了8-10%

R语言的使用率降低了大约2-4%

其他语言的使用率降低了5-7%

上面的数据表明了Python的使用前景很好，我们也预测R语言和其他语言的使用率还是会有相当的占比，因为它们已经有很深的用户基础。