1、适用场景

R适用于数据分析任务需要独立计算或单个服务器的应用场景。

Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。

2、任务

在进行探索性统计分析时，R胜出。它非常适合初学者，统计模型仅需几行代码即可实现。

Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。

3、数据处理能力

有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。

Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。

4、开发环境

对于R语言，需要使用R Studio。

对于Python，有很多Python IDE可供选择，其中Spyder和IPython Notebook是最受欢迎的。

5、存在问题

内存问题：R语言被要求把所有数据都加载到内存里面去进行运行

Python：通用编程语言Python是近几年增长非常快的编程语言。是一种面向对象的编程语言，像Javascript或C++一样，它为项目提供了稳定性和模块化。它为Web开发和数据科学提供了一种灵活的方法，即使你以前从未学习过编程语言，但这是一种直观的方法。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。该语言是Python生态系统的一小部分；流行的库包括：数值分析、科学知识-学习(预测分析)、深度学习和人工智能、科学计算、统计数据可视化、地理空间数据可视化、熊猫(数据分析)、Matplotlib(用于嵌入图形的面向对象API)、PyCharm(Python的集成开发环境[IDE])

R：数据分析软件R规划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。它没有将数据和代码分组成组，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。这些过程使得可视化操作将发生多复杂变得更加简单。与Python一样，R有一个强大的社区，但专门关注分析。R不提供像Python那样的通用软件开发，但是它更好地处理这些专门的数据科学项目，因为这是唯一的焦点。

C站（CSDN）能力认证中心