R语言和state r语言和python的区别

Python和R都具有广阔的软件生态系统和社区，因此这两种语言都几乎适合于任何数据科学任务。所以下面所说的区别，也就是在某些特定领域中，一个比另一个更强大一些。

Python 胜出在哪里

• 大多数深度学习研究都是使用Python完成的，因此Keras和PyTorch之类的工具具有“ Python-first”的开发。您可以在Keras的深度学习简介中了解这些主题。和PyTorch的深度学习简介。
• Python在R之上具有优势的另一个领域是将模型部署到其他软件中。Python是一种通用的编程语言，因此，如果您使用Python编写应用程序，则包含基于Python的模型的过程将是无缝的。我们在使用Python设计机器学习工作流中介绍了部署模型。和构建Python中的数据工程管道。
• Python通常被认为是一种通用语言，具有易于理解的语法

R胜出在哪里

• 在R中进行了大量的统计建模研究，因此有更广泛的模型类型可供选择。如果您经常有关于最佳数据建模方法的疑问，R是更好的选择。DataCamp提供了大量有关R的统计课程。
• R的另一个大窍门是使用Shiny轻松创建仪表板。这使没有太多技术经验的人们可以创建和发布仪表板以与同事共享。Python确实有Dash替代，但还不成熟。您可以在我们的R中使用Shiny构建Web应用程序课程中了解Shiny。。
• R的功能在开发时就考虑了统计学家的问题，因此具有特定领域的优势，例如数据可视化的强大功能。

此列表远非详尽无遗，专家们不停地争论着用一种或另一种语言可以更好地完成哪些任务。此外，Python程序员和R程序员倾向于相互借鉴好主意。例如，Python的plotenine数据可视化软件包是受R的ggplot2启发的包，而R的rvest网页抓取包的灵感来自Python的BeautifulSoup包。因此，最终，两种语言的最佳创意都进入了另一种语言，这使得两种语言都同样有用和有价值。

如果您急于等待所选语言中的特定功能，则还应注意，Python和R之间具有出色的语言互操作性。也就是说，您可以使用rpy2包从Python运行R代码，并且您可以可以使用网状结构从R运行Python代码。这意味着可以从另一种语言访问以一种语言显示的所有功能。例如，深度学习软件包Keras的R版本实际上调用Python。同样，rTorch调用PyTorch。

除了功能之外，有时还会由不同的团队或个人根据其背景使用这些语言。

谁使用Python

• Python最初是作为用于软件开发的编程语言开发的（后来添加了数据科学工具），因此具有计算机科学或软件开发背景的人们可能会更喜欢使用它。
• 因此，从其他流行的编程语言（如Java或C ++）到Python的过渡比从那些语言向R的过渡容易。

谁使用R

• R有一组称为Tidyverse的软件包，这些软件包提供了功能强大但易于学习的工具，用于导入，操作，可视化和报告数据。使用这些工具，没有任何编程或数据科学经验（至少是轶事）的人可以比Python更快地提高生产力。
• 如果您想自己测试一下，请尝试阅读Tidyverse简介，其中介绍了R的dplyr和ggplot2软件包。它可能比Python中的数据科学入门更容易上手，但是为什么不自己看看自己喜欢什么呢？
• 总体而言，如果您或您的员工没有数据科学或编程背景，R可能更有意义。

总结一下，尽管可能很难知道是使用Python还是R进行数据分析，但这两个都是不错的选择。一种语言并不比另一种语言好，这取决于您的用例和您要回答的问题。最后，我将分享比较这两种语言的便捷信息图的第一部分。我不想包含所有内容，因为它很长并且需要太多的滚动，但是您可以在此处下载完整图像。

(Tutorial) Choosing Python or R for Data Analysis? An Infographic