本文翻译自英文: R Vs Python: Which One Should You Learn?
如果你想成为一名专业的数据科学家，你至少需要学习一种编程语言。但是如何在Python和R这两种最流行的数据分析语言之间做出选择呢? 如果你有兴趣了解他们各自的优缺点，请继续阅读!
作为一名数据科学家，您可能需要学习SQL(结构化查询语言)。SQL实际上是关系数据库的语言，大多数公司的信息仍然存在这种数据库中。但SQL只给了你检索数据的能力，而不具备数据清洗或运行模型的能力——这就是Python和R的所用之处。
关于R的一点背景知识
R语言是由来自新西兰奥克兰大学的两位统计学家Ross Ihaka和Robert Gentleman发明的。它最初在1995年发布，并在2000年发布了一个较为稳定的测试版。它是一种解释型语言(不需要在运行代码前编译)，并拥有一套非常强大的统计建模和绘图的工具。
R语言是S语言的一种实现，S语言是上世纪70年代在贝尔实验室开发的一种统计编程语言，它的灵感来自于Scheme (Lisp的一种变体)。它也是可扩展的，很容易从许多其他编程语言调用R的对象。
R语言是免费的，并且已经变得越来越受欢迎。相比于传统的商业统计软件包，如SAS和SPSS，大多数用户喜欢使用RStudio编写他们的R代码，RStudio是一种集成开发环境(IDE)。
关于Python的一点背景知识
Pytho最初是1991年由Guido van Rossum作为通用编程语言发布的。与R一样，它也是一种解释型语言，并且有一个相对全面的标准库，可以轻松地对许多常见任务进行编程，不需要安装额外的库。同样，它也是免费的。
对于数据科学来说，Python提供了许多非常强大库。有NumPy(高效数值计算)、panda(广泛的数据清洗和分析工具)和statsmodel(常见的统计方法)。还有TensorFlow、Keras和PyTorch(用于构建深度学习神经网络的库)。
现在，许多数据科学家使用Python编写时使用 Jupyter Notebooks 。 Jupyter Notebooks 可以方便地创建混合了文章、代码、数据和可视化图形的文档，从而方便地记录研究过程，也方便其他数据科学家查看和复制工作。
选择一种语言
从历史上来看，数据科学界内部存在着相当大的分歧。通常，具有较强学术或统计背景的数据科学家喜欢R，而具有较多编程背景的数据科学家则更喜欢Python。
Python的优势
对比于R，Python具有以下优势：
1.通用: Python是一种通用编程语言。它非常适合进行统计分析，不仅如此，如果你希望构建一个用于共享数据的网站，或者构建一个易于与生产系统集成的web服务，那么Python相对于R是更灵活、更有力的选择。
2.越来越受欢迎: 在2019年9月Tiobe最受欢迎的编程语言指数中，Python是第三大最受欢迎的编程语言(去年增长了超过2%)，而R从去年的第18位下降到了第19位。
3.更适合深度学习: 大多数深度学习项目都在Python语言的基础上使用TensorFlow或PyTorch。虽然R TensorFlow已经发布了, 但是其依然远不及Python TensorFlow. 随着深度学习应用变得日益广泛(从计算机视觉开始,现在已经成为大多数处理自然语言任务的默认方法)，Python变得越来越重要。
4.与其他语言相似: Python与其他语言相似，这可以节省许多学习成本。虽然有Lisp背景的人可以很快学会R, 但是有Lisp背景的人毕竟是少数。对于Python，你只要学过一种流行语言，比如Java, c#, JavaScript或Ruby——那么学起来将非常轻松。
仍然有很多工作需要使用到R，所以如果你有时间的话，不妨同时学习这两种语言。但是我认为，对于数据科学家来说，Python正在成为占主导地位的编程语言，是更好的首选学习对象。
文章到此就结束啦，如果你喜欢今天的Python 教程，请持续关注Python实用宝典，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
