为什么R用于数据科学 - 而不是Python？

那里有数百种编程语言，例如，采用一种字母编程语言的整个字母表。在数据科学领域，有两大竞争者：R和Python。现在为什么这个博客关于R而不是Python？

我必须坦白：我真的很想要Python。我深入研究了语言及其扩展。然而，它从来没有真正对我有用。我认为其中一个问题是Python试图成为每个人的宠儿。它可以做任何事情......和它相反。不，真的，它是学习编程的好语言，但我认为它有一些非常严重的缺陷。我在这里列出了一些：

• 它从使用哪个版本开始！当前版本的版本号为3，但仍然有很多代码基于以前的版本号2.问题是没有向后兼容性。甚至print命令的语法都改变了！* 接下来要选择哪个发行版！对于R用户来说，似乎是一个笑话对于Python用户来说是一个悲伤的现实：那里有各种不同的发行版。最着名的数据科学是Anaconda：https：//www.anaconda.com/。其中一个原因是Python中的整个包系统很乱。为了给你一个例子，看看官方文档：https：//packaging.python.org/tutorials/installing-packages/ - 七（！）页面基本上是R中的一个命令:( install.packages()我知道，这不完全公平，但你明白了。* 有几个GUI，不可否认，这也是一个品味的问题，但在我看来，当谈到数据科学任务 - 你需要在线工作和脚本的组合 - 没有比这更好的GUI来自微软的RStudio（现在有Rodeo，免费下载：https：//www.yhat.com/products/rodeo，但我不知道它有多成熟）。* 何时使用函数以及何时在对象上使用方法没有一般规则。这个问题的原因就是我上面所说的：Python希望成为每个人的宠儿，并试图同时实现一切。在这个有启发性的讨论中，不仅可以看到我，人们争相找到何时使用的标准：https：//stackoverflow.com/questions/8108688/in-python-when-should-i-usea-a-功能代替方法。这里可以找到一个具体的例子，其中解释了为什么函数any(df2 == 1)给出了错误的结果，你必须使用例如方法(df2 == 1).any()。非常容易混淆和容易出错。* 更复杂的数据科学数据结构不是核心语言的一部分。例如，您需要用于向量的NumPy包和用于data.frames的pandas包。这本身不是问题，而是这带来的不一致。举个例子：虽然NumPy和pandas支持矢量化代码，但基本Python不支持它，你必须使用好的旧循环。* Python和R都不是最快的语言，但是与R ++（通过Dirk Eddelbuettel的Rcpp）相比，与最快的C ++之一的集成在Python中的表现要好得多，现在它可以被认为是标准方法。所有R数据结构都由相应的C ++类支持，并且有一种通用的方法来编写可以像常规R函数一样调用的超快C ++函数：

`library``(Rcpp)`

`bmi_R <-` `function``(weight, height) {`

`weight / (height * height)`

`}`

`bmi_R``(80, 1.85)` `# body mass index of person with 80 kg and 185 cm`

`## [1] 23.37473`

`cppFunction``("`

`float` `bmi_cpp``(float weight, float height) {`

`return weight / (height * height);`

`}`

`")`

`bmi_cpp``(80, 1.85)` `# same with cpp function`

`## [1] 23.37473`

在数据科学领域使用Python的一个主要原因是深度学习：神经网络。像Tensorflow这样的主要框架和像Keras这样的API过去都是由Python控制的，但是现在也有适用于R的优秀包装器（https://tensorflow.rstudio.com/和https://keras.rstudio.com/）。

总而言之，我认为R确实是大多数数据科学应用的最佳选择。学习曲线在开始时可能会稍微陡峭，但是当您使用更复杂的概念时，它比Python更容易使用。