Python和R語言的區別

數據挖掘技術日趨成熟和復雜，隨著互聯網發展以及大批海量數據的到來，之前傳統的依靠spss、SAS等可視化工具實現數據挖掘建模已經越來越不能滿足日常需求，依據美國對數據科學家（data scientist）的要求，想成為一名真正的數據科學家，編程實現算法以及編程實現建模已經是必要條件；目前很多從事數據挖掘工作的人，大多都是出身非計算機專業，本身對編程基礎比較低，所以找到一門快速上手而又高效的編程語言是至關重要的，好的工具和編程語言可以起到事半功倍的效果。

目前在數據挖掘算法方面用的最多的編程語言有：Java、C++、C、Python、R等等 

由于筆者本身屬于數理統計出身，復雜而高級的語言對我來說性價比并不高，所以想從頭對Java、C++、C開始學起，浪費的時間和精力與收獲明顯不成正比。所以Python和R語言成了最佳選擇。對于同樣和我背景相似的數據從業人員，我強烈推薦從這兩者選擇其一。

原因有三：
第一：Python和R本身在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法，所以使用起來產出比大；

第二：這兩門語言對于平臺方面適用性比較廣，linux、window都可以使用，并且代碼可移植性還算不錯的。

第三：對于學數理統計的人來說，應該大多用過MATLAB以及mintab等工具，Python和R比較貼近這些常用的數學工具，使用起來有種親切感

至于Python和R兩者如何選擇，本人有點粗淺認識：

這兩個工具都很方便，不需要非常高深的編程能力，都適合算法開發，有大量的package供你使用。 

Python入門簡單，而R則相對比較難一些(純個人感覺，依據每個人之前的經驗，可能不同的體驗)。
      R做文本挖掘現在還有點弱，當然它的優點在于函數都給你寫好了，你只需要知道參數的形式就行了，有時候即使參數形式不對，R也能“智能地”幫你適應。這種簡單的軟件適合想要專注于業務的人。
Python幾乎都可以做，函數比R多，比R快。它是一門語言，R更像是一種軟件，所以python更能開發出flexible的算法。

Python適合處理大量數據，而R則在這方面有很多力不從心，當然這么說的前提是對于編程基礎比較一般的童鞋，對于大牛來說，多靈活運用矢量化編程的話，R的速度也不會太差。

論性能，Python介于C/C++/Java這些高級語言與R語言之間，雖然性能不及那些高級語言，但是一般日常的數據用Python基本都能實現，對于性能要求不挑剔的人來說，足夠了

python 你需要安裝numpy，pandas，scipy，cython，statsmodels，matplotlib 等一系列的程序包，還需要安裝ipython交互環境，單獨用python直接做計量分析統計函數是沒有函數支持的；R是基于統計分析的，性能和效率上要略遜于python。R的優勢在于統計學和數據計算和分析上要優越于python。

Python語言編程的代碼可讀性高，整體美觀，屬于簡單粗暴性質的，短時間內少量代碼可實現復雜功能；R的語法很奇怪，各種包并不遵守語法規范，導致使用起來經常感覺蛋疼；R程序最終看起來沒有Python那么簡潔美觀。

從全面性方面，我認為Python的確勝過R。無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。畢竟，python本身是作為一門計算機編程語言出現的，而R本身只是源于統計計算。所以從語言的全面性來說，兩者差異顯著。

python是machine learning領域的人用的較多。據我所知，做marketing research, econometrics, statistics的人幾乎沒有用python的
當然了，現在學編程比以前可簡單了多了。有句話不是這么說的么，“我不生產代碼，我只是stackoverflow的搬運工”。。。
以上僅僅是個人感悟，如表述不當，歡迎指出，拍磚的手下留情哦