python 和 r 的区别 知乎

Posted 2023-02-23

有人说Python和R的区别是显而易见的，因为R是针对统计的，python是给程序员设计的，其实这话对Python多多少少有些不公平。2012年的时候我们说R是学术界的主流，但是现在Python正在慢慢取代R在学术界的地位。不知道是不是因为大数据时代的到来。

Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。所以有人说：Python=R+SQL/Hive，并不是没有道理的。

Python的一个最明显的优势在于其胶水语言的特性，很多书里也都会提到这一点，一些底层用C写的算法封装在Python包里后性能非常高效(Python的数据挖掘包Orange canve 中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。但是，凡事都不绝对，如果R矢量化编程做得好的话（有点小难度），会使R的速度和程序的长度都有显著性提升。

R的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面，无论是经典还是前沿的方法都有相应的包直接使用。
相比之下，Python之前在这方面贫乏不少。但是，现在Python有了pandas。pandas提供了一组标准的时间序列处理工具和数据算法。因此，你可以高效处理非常大的时间序列，轻松地进行切片/切块、聚合、对定期/不定期的时间序列进行重采样等。可能你已经猜到了，这些工具中大部分都对金融和经济数据尤为有用，但你当然也可以用它们来分析服务器日志数据。于是，近年来，由于Python有不断改良的库（主要是pandas），使其成为数据处理任务的一大替代方案。

做过几个实验：
1. 用python实现了一个统计方法，其中用到了ctypes，multiprocess。
之后一个项目要做方法比较，又用回R，发现一些bioconductor上的包已经默认用parallel了。（但那个包还是很慢，一下子把所有线程都用掉了，导致整个电脑使用不能，看网页非常卡~）
2. 用python pandas做了一些数据整理工作，类似数据库，两三个表来回查、匹配。感觉还是很方便的。虽然这些工作R也能做，但估计会慢点，毕竟几十万行的条目了。
3. 用python matplotlib画图。pyplot作图的方式和R差异很大，R是一条命令画点东西，pylot是准备好了以后一起出来。pyplot的颜色选择有点尴尬，默认颜色比较少，之后可用html的颜色，但是名字太长了~。pyplot 的legend比R 好用多了，算是半自动化了。pyplot画出来后可以自由拉升缩放，然后再保存为图片，这点比R好用。

总的来说Python是一套比较平衡的语言，各方面都可以，无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势。 而R是在统计方面比较突出。但是数据分析其实不仅仅是统计，前期的数据收集，数据处理，数据抽样，数据聚类，以及比较复杂的数据挖掘算法，数据建模等等这些任务，只要是100M以上的数据，R都很难胜任，但是Python却基本胜任。

结合其在通用编程方面的强大实力，我们完全可以只使用Python这一种语言去构建以数据为中心的应用程序。
但世上本没有最好的软件或程序，也鲜有人能把单一语言挖掘运用到极致。尤其是很多人早先学了R，现在完全不用又舍不得，所以对于想要学以致用的人来说，如果能把R和Python相结合，就更好不过了，很早看过一篇文章——让R与Python共舞，咱们坛子里有原帖，就不多说了，看完会有更多启发。

BTW： 如果之前没有学过R，可以先学Python然后决定是不是学R，如果学了R，学Python的时候会更快上手。 参考技术A Python与R有什么区别?
虽然R语言更为专业，但Python是为各种用例设计的通用编程语言。如果你第一次学编程，会发现Python上手更容易，应用范围也较广，如果你对编程已经有了一定的基础，或者就是以数据分析为中心的特定职业目标，R语言可能会更适合你的需求，Python和R也有很多相似之处，两者都是流行的开源编程语言，都得到了广泛的支持。
Python是近几年增长非常快的编程语言，是面向对象的，它为项目提供了稳定性和模块化，为Web开发和数据科学提供了灵活的方法，掌握Python是程序员在商业、数字产品、开源项目和数据科学以外的各种Web应用程序中工作所必需的技能。
R是一种特定于领域的语言，用于数据分析和统计，它使用统计学家使用的特定语法，是研究和学术数据科学世界的重要组成部分，R遵循开发的过程模型，没有将数据和代码分组，比如面向对象的编程，而是将编程任务分解为一系列的步骤和子程序，这些过程使可视化操作变得更加简单。
学习Python的三个理由：
1、对初学者是友好的，它使用了一种逻辑和易于接近的语法，使识别代码字符串更加容易，减少了学习困难和一些挑战。
2、Python是多用途的，并不局限于数据科学，它还能很好的处理基于web的应用程序，并且支持多种数据结构，包括使用SQL的数据结构。
3、Python是可伸缩的，比R语言运行速度更快，可以和项目一起增长和扩展，提供了必要的有效工作流程，使工作得以实现。
学习R的三个理由：
1、R为统计而建，R使特定类型的程序构建和交流结果变得更加直观，统计学家和数据分析人员用R语言，会更容易使用标准机器学习模型和数据挖掘来管理大型数据集。
2、R是学术性的：在学术界工作，R几乎是默认的。R非常适合机器学习的一个子领域，称为统计学习。任何有正式统计背景的人都应该识别R的语法和结构。
3、R对分析是直观的，它还提供了一个非常适合于科学家使用的数据可视化类型的强大环境。