关于哪种语言更适合数据科学：R 还是 Python，存在着非常激烈的争论。 答案是两者兼而有之。 人们经常通过比较 R 和 Python 的特性而感到困惑，但我们需要明白，仅靠特性并不能定义任何语言的适用性。 R 和 Python 都有适合数据科学和分析应用程序的特定功能。 可能在某些情况下，一种语言比另一种更受欢迎，但这并不意味着另一种语言没有用。 （要了解有关数据科学的更多信息，请参阅学习数据挖掘和数据科学的 7 个步骤。）
什么是 R 和 Python？
R 是一种开源语言，是在 20 世纪 90 年代中期作为 S 语言的变体开发的。 它由 Robert Gentleman 和 Ross Ihaka 开发。 它旨在简化编程体验。 如今，它被广泛用于研究、企业和学术界。
由于其在许多领域的使用，它是最流行的统计编程语言之一。 它使用起来非常简单，但对于那些完全不熟悉编程的人来说可能有点困难。 但是，他们可以从 Internet 上可用的不同资源中了解更多信息。
Python 是由 Guido Van Rossum 在 1990 年代初期创建的。 它侧重于易于编码和更具适应性。 Python 被那些希望更好地控制他们编写的代码以实现更快、更高效的数据分析的程序员广泛使用。
它还用于代码中的特殊统计技术，以使其运行更快。 该编程语言非常易于使用和学习。 它也非常灵活，可以用来创建用户想要创建的内容。 （另请阅读：为什么 Python 在机器学习中如此受欢迎？）
它们与其他语言有何不同
数据分析的工作很重要，过程要灵活。 为此，该过程必须非常互动，以保持高效。 但是，该语言还必须非常灵活、交互且易于使用。 R 是一种非常灵活的语言。 虽然其他语言用于某些特定目的并且不能用于其他任何目的，但 R 实际上可以用于多种目的，尤其是在科学领域。
R 与其他统计编程语言的另一个区别是它的交互性。 R 有一个非常强大的机制，可用于快速创建数据结构。 与文本编程语言不同，R 还是一种非常强大的图形媒体； 图形非常有用，尤其是在统计和数据分析领域。 R 可用于轻松生成许多不同类型的图表。
Python也是数据分析的绝佳选择。 与 Perl 或 Ruby 等语言相比，它具有很强的适应性，因为它可以通过使用模块进行定制。 它也有很多特点。 它也是一种图形语言，允许它拥有可视化库，并有助于轻松地可视化图形和统计数据。 将它与其他语言区分开来的另一件事是它易于使用的语法。 （有关编程语言的更多信息，请参阅脚本语言 101。）
为什么它们被用于数据科学应用
数据科学是当今最重要的科学领域之一。 没有这个，几乎不可能预测任何事情，准确预测是当今社会的基础。 因此，数据分析需要最好的工具，这是数据科学的重要组成部分。
R 和 Python 都有许多适合数据科学的特性。 但是，您应该使用哪一个完全取决于您自己的喜好。 R 非常适合数据的图形表示，而 Python 非常易于使用。
有什么好处？
R 和 Python 都有很多优点。 这两种语言的最大优势之一是它们的图形可视化系统。 R 支持许多专业级可视化包，如 googleVis、ggvis 和 rCharts。 这些包可以定制，以制作统计数据的完美图形表示。 Python 还有许多强大的可视化库，如 Pygal、Seaborn 和 Bokeh。
使 R 如此有用的一个原因是它的生态系统。 这两种语言都有一个永远乐于提供帮助的活跃社区，并且这两种语言都在不断更新，以适应新的功能和技术。 这些语言是非常容易学习的多用途工具。
R 和 Python 的用例
R 和 Python 都有很多用于数据分析的用例。 例如，ForecastWatch.com 从不同的天气预报网站收集数据，并根据其准确性对这些网站进行评级。 这样可以更好地进行天气预报，并允许天气预报员将他们的准确性与其他人进行比较。 Python 因其灵活性而被用于此服务的每个组件，这来自于它使用许多标准库的能力。
Python 的另一个用例是它被用于支持 EZTrip.com 和 Gusto.com 的社交网络。 他们需要一个系统来帮助他们的客户报告他们的旅程，同时改进他们的在线预订系统。 虽然他们现有的预订系统已经运行良好，但无法有效处理多个请求。 然而，由于使用了 Python，由于更好的数据分析和管理工具，它变得更快。 这进一步帮助他们根据用户的查询创建了更好的用户界面。
R 也被用于许多地方，如社交网站和众筹网站。 R 的可视化能力也使其成为许多数据分析组织的最爱。 R 目前正在 ANZ 银行中用于分析信贷风险。 Facebook 还使用 R 来分析大量的状态更新。
R 和 Python 在数据科学中的未来
R 和 Python 将在数据科学领域拥有非常光明的未来。 这两种开源编程语言都非常强大，并由活跃的社区定期开发和更新。
数以千计的新老组织都在迅速转向这些免费且高度可定制的解决方案。 这些正在以惊人的速度取代数据科学中使用的其他语言。 （另请阅读：机器学习的 5 大编程语言。）
结论
许多数据科学家想知道哪种语言更适合数据分析，R 还是 Python。 这两种编程语言都非常流行，并且在各自的领域都很强大。 它们各有利弊，因此人们必须决定选择哪一种才能充分利用他们的数据。 然而，他们忘记了一个事实，即它们都可以用来轻松地分析数据。
