近年来，我能够注意到这两种语言在数据分析领域的应用演变。因此，我得到了以下个人结果：

　　✔R语言对交互式数据分析和数据探索要简单得多，尤其是对分析师或来自分析师的人SQL在商业智能领域占据主导地位的人员。应用R转换数据很容易让人想到这些应用SQL人们所做的心理状态的特点是使用特定的函数来简化复杂的转换(如数据透视)，或使用对分析有用的统计操作.

　　Python转换数据的方式更多地与程序员的经验有关。一定要求lambda表达式，例如，对于非常基本的数据操作任务，让任何习惯更基于组合方法的分析师迷失方向(这是处理数据时的正确思维方式!)并让我们意识到这些数据开发所需要的Python开发者通常与分析师发生争执。

　　✔R它是学术界常用的非凡语言(统计学、数学、数据科学等)。因此，很可能会发现直接从R中实现的新数据科学算法，甚至会发现它们Python实现之前。因此，如果你必须在一个项目中应用这些新算法，你必须使用它们R。

　　✔就数据可视化而言，R这是你为专业出版物制作精美图形的关键工具。自然，这种类型的图形也可以Python在R中获得，但并不像R中那么容易，特别是在为了添加特定的图形需求而开发的无数包中。

　　✔对于专业仪表板，最常用的平台已经开发并承认了两种语言的应用。PlotlyDash和Shiny都允许应用Python和R开发企业级数据应用程序。Microsoft全球数据平台用户，PowerBI这两种语言也允许你使用。

　　✔Python由于社区开发的软件包生态系统应用广泛，是一种非常清晰的通用编程语言，主要由编程学生和开发者应用。因此，更容易找到理解Python也想从事数据分析的程序员。这就是为什么现在Python有这么多专门用于数据交换和数据分析的包。因此，与数据分析相关的技术市场已经显著转变为选择Python。

　　✔在整个数据工程层面，明显的赢家必须是Python。最先，Python是所有API支持的几种语言之一API允许来自所有关键云提供商的所有关键云提供商(Azure，AWS，谷歌)网络服务互动。此外，将异构数据解决方案的应用集成到云生产框架中的需求促进了Docker容器的应用使这些人的生活更加顺畅活更加顺Docker互动语言之一是Python(R不在其中)。

　　✔因为所有的数据工程部分都是Python因此，中解决方案始终应用Python一般来说，开发机器学习模型非常方便(你也可以在R中开发)。这样，他们就可以使用它Python特定管道的研发很容易发布到生产环境中。它确实可以将特定的过程集成到使用R脚本的过程中Python但是，所有的内容通常都放在管道中，Python更方便，可以一组熟练Python维护数据工程师。

　　✔现在关键基础Spark允许大数据平台PySpark开发数据交换或机器学习管道，PySpark是专门为Spark定制的PythonAPI。也可以通过SparkR语言(Spark的RAPI)与Spark互动。关键是SparkR并不总是在这些平台上开箱即用。SparkR并没有实现dplyr(R用于数据交换的重要包)和Spark而是由sparklyr完成。但上述数据平台一般不适用于本地sparklyr。因此，PySpark与SparkSQL(Spark的SQLAPI)一起被广泛用作最后一个“大数据语言”。

　　✔必须深入学习解决方案(计算机视觉、自动口语识别、自然语言处理、应用TensorFlow，Keras和PyTorch框架声频识别)项目，Python这是一个必要的选择。含蓄地说，整个人工智能世界都是基于一定程度的Python。

　　如今，由于社区开发的庞大程序包生态系统，Python它允许您解决纯数据分析和数据科学主题及其数据工程和人工智能。事实上，R语言更容易处理与统计和数据可视化相关的特定问题，但这些仍然是特定案例，只占很小比例Python最需要的案例。

　　所以，虽然你对R的认知比较Python更流畅，我强烈建议这些想处理数据分析主题的人致力于学习Python以及如何最好地使用最重要的包进行数据交换和机器学习(pandas，scikit-learn等)。

　　假如你的兴趣在你的职业生涯中发生了变化，Python多功能允许你从一个工作角色转变为另一个(例如，从数据科学家到数据工程师)。

　　一旦你深入分析，这并没有消除这样一个事实Python，学习R和RTidyverse对生态系统包的基本理解绝对是一个奖励项目，在许多情况下也将被证明是非常有用的。你不应该低估R社区的巨大规模，并在R中开发了许多解决方案。因此，在你的军事库中添加这种语言的知识是一个成功的选择。为，与某些人可能认为的相反，Python与R不再是两个分离的世界。IDE允许您使用两种语言进行开发。

标签：R语言,Python,编程语言 来源：

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。