数据科学实践中选择Python还是R

在数据科学实践中，笔者选择Python作为编程语言。

 

R的优势在于，它是专门为统计分析应用建立的，尽管Python里有Scipy、Pandas、statsmodels等提供了一系列统计功能，但是R拥有更多此类工具。可以说，如果主要工作是进行统计分析，R是不错的选择。

但是数据科学要用到很多机器学习的算法，相比较于R，Python拥有各种机器学习算法，还有网络爬虫库，方便从互联网上获得数据集。

 

笔者选择Python的主要原因，在于相对于R，Python的语法结构和其它语言更加类似，非常容易上手。在编写《数据科学概论》教材的过程中，笔者比较了R和Python，同样的算法，用R实现显得很简洁，但是可读性很差，用Python语言实现，代码量好像稍微多一点，但是其可读性很好。

笔者也阅读了用R和用Python语言编写的量化交易策略，Python语言编写的交易策略更加容易理解。Python代码的可读性，是无可匹敌的。

Python的学习更加容易，笔者用一个下午的时间，就实现了Python语言的入门。但是R语言则需要更多的时间。看到R语言中的<-以及$等符号，脑袋就生疼。

 

所以，笔者的选择是Python语言。当然，Python也有烦人的地方，它的缩进是强制的，不像Java/c语言那样灵活，但是这也给我们一个压迫，要写出格式良好的代码。

 

从下面两个参考文献，读者可以体会到用R和Python语言编写的程序的可读性, 有什么差别。

Python kmeans clustering algorithm

https://pythonprogramminglanguage.com/kmeans-clustering-algorithm/

 

Example of K-Means Clustering with R

https://rpubs.com/dnchari/kmeans

 

数据科学概论网上资源

https://blog.csdn.net/xiongpai1971/article/details/89364071