R or Python，到底学哪个？这篇文章来告诉你……

R和Python是目前最流行的两款高级编程语言，被大量运用于数据科学领域。两者都是开源的，也都有非常活跃的 区来支撑。那么问题来了：对于初学者，到底应该学哪个p>

我的建议：看情况（it depends），选用何种编程语言，依赖于你的背景以及你的长期目标。换句话说：你是干啥的你的目标是什么p>

事实上，对于想从事数据科学的新手，R和Python可能是最好的/唯一的两个选择。哪个更好呢p>

在这篇博客，我将介绍R和Python各自的优势以及两者间的PK。我将先介绍R，然后介绍Python，最后在文末总结我的观点。

1. R的优势

为了避免读者阅读疲劳，用两张R语言绘制的图来暖一下场：

R语言由新西兰奥克兰大学的Ross Ihaka和Robert Gentleman于1995设计出来(由于两人的名字均以 ‘R’ 字母开头，因此命名为R语言)，现在由“R核心开发团队“负责开发。

虽然R主要用于数据分析、绘图以及数据挖掘，但也有人用作矩阵计算。其计算速度可媲美专用于矩阵计算的开源软件GNU Octave和商业软件MATLAB。

起初R主要在学术研究中使用，但近年来在企业界也表现突出，这使得R成为企业中使用的全球发展最快的统计语言之一。

我们看看什么情况下选R更好。

1.1 如果你的编程水平是菜鸟级，选R
如果你的编程经验有限，推荐先学R。

对于软件开发新手来说，Python可能不错，但是我认为R更适合数据科学新手。

但是数据科学和软件开发不是同一回事。

解释一下为什么。

这种差异可归结为：数据科学家使用编程语言的方式与软件开发者不一样。对于数据科学新手来说，程序(programs)应该是脚本(scripts)，而不应该是软件(software)。

举个例子，我们用R语言处理一个叫Auto数据框(dataframe)：

library(ISLR)

data(‘Auto’)

如果对R不熟悉，代码的具体意义可暂时不理会。

数据框是R语言中最常用的数据类型之一，以行列的形式排布，有点类似Excel表格。

在这个Auto数据框中有个weight变量，表示汽车的重量。我们想利用它来创建一个以公斤为单位的新变量weight_kg。

有很多方法可以实现这个任务。最容易想到的方法是：利用for循环遍历weight变量中的值，然后计算出新变量的值。听起来有点麻烦。

其实我们可以利用tidyverse包中已有的mutate函数直接计算出新变量的值：

mutate(Auto, weight_kg＝weight*0.45)

再次提示，代码的意义可先不理会。

这个方法避免使用for循环，更简单。事实上，在R中要实现某种功能，只要你知道要用哪个函数和哪个包，实现将会变得非常简单。

在R中，你应该尽量使用已有函数和包来完成相关任务，没必要自己创建工具来处理任务。这意味着你不需要知道很多传统意义上的编程概念。事实上你应该避免使用这些概念，比如：for循环、类、面向对象编程以及其它软件开发概念。

总之，相比Python，由于R的数据处理工具开发得更好且更容易使用，我认为R更适合做数据处理。

其实Python也有很多工具来直接处理数据，比如pandas包，但是Python的包和语法具有‘软件开发’的味道，依赖于一些软件开发概念（像for循环、类和面向对象等等）。比如，当浏览一些Python书籍的时候，你仍会看到介绍for循环、类声明等。对于那些没有软件开发或计算机科学背景的新人来说，这些概念很难被理解。

相反，很多情况下即使没有任何编程经验，你也可以很好地使用R的各种工具。

1.2 对于数据科学任务，R的语法更直观形象
对于数据处理任务，很多时候R的语法会更简单。函数和参数的命名设计也更好，很容易记住和使用。

举个例子，我们将分别用R和Python来删掉Iris数据框中的两个变量（由于R和Python都有Iris数据框，因此我们使用这个数据框）。

我们来看看各自的语法：

Python
import seaborn as sns

import pandas as pd

iris = sns.load_dataset(‘iris’)

iris.drop([‘sepal_length’, ‘species’], axis = 1)

R
library(dplyr)

select(iris, -sepal_length, -species)

为了删除变量，Python中使用了drop函数，而R中使用了select函数。我们来对比这两个函数(都在最后一行代码)的语法。

先讲Python，drop函数命名得很好，容易记住。但是参数设计得很复杂。

第一个参数是包含想要删除变量的列表，Python中用方括 [ ]代表列表。这里你必须要用方括 ，而且变量一定要用引 ’ ‘，要不然代码会运行错误。

对于初学者，经常会忘记使用方括 和引 ，导致代码运行错误，也不知道为啥会出错，很是困惑。当时我学Python就是这种感觉。

再说下drop的第二个参数axis。初学者肯定会困惑，“天啊，啥是axis，它有什么用”，一脸懵逼。

事实上，在学Python的时候，你会碰到很多类似的情况，让初学者很困惑。

我们看看R是怎么处理的。

为了删除变量，R用了dplyr包中的select函数。函数名字取得一般，不如Python中drop。但是参数设计得很好，第一个参数是你想处理数据框；其它参数是你想要删除的变量，前面的负 -表示删除，变量之间用逗 ,隔开，都非常形象。此外这里根本没有涉及drop中所谓的 ‘axis’ 概念。

总之，相比Python，在数据处理方面，R的语法更直观形象，写代码如同写伪代码一样，容易记住、编写和读懂。

1.3 在数据可视化方面，R非常优秀
可视化是选择数据分析软件的一个重要的标准。

除了擅长数据分析外，R的另外一个闪光点就是它的画图能力特别强，几乎可以绘制出所有类型的图。不信的话，你可以Google一下，输入 ‘R visualization’ 关键字。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

七、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联 大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览212732 人正在系统学习中