如果你是資料分析領域的新兵，那麼你一定很難抉擇——在進行資料分析時，到底應該使用哪個語言，r還是python？在網絡上，也經常出現諸如“我想學習機器語言，我應該用哪個程式設計語言”或者“我想快速解決問題，我應該用r還是python”等這類問題。盡管兩個程式設計語言目前都是資料分析社群的佼佼者，但是它們仍在為成為資料科學家的首選程式設計語言而戰鬥。今天，就讓我們從資料科學的角度，一步步比較這兩大程式設計語言。
#1 對陣雙方介紹
ladies and gentlemen，讓我們隆重的介紹今天的對陣雙方：r和python！
r語言目前版本是2015年6月更新的3.2.1版。python 2目前版本是2015年5月更新的2.7.10版，python 3目前的版本是2015年2月更新的3.4.3版。
r語言是ross ihaka和robert gentleman于1995年開發的，作為貝爾實驗室s程式設計語言的一種實作，其開發環境主要由c語言，fortran和r來完成。python的釋出年份其實遠在r之前。guido van rossum于1991年開發完成了python，并由python軟體基金會(psf)負責其發展。其開發靈感主要來自c語言和modula-3，部分來自abc語言。python的名字取自喜劇蒙提·派森的飛行馬戲團（monty python's flying circus）。
從定位角度看，r緻力于提供更好的，對使用者友好的資料分析、統計分析和繪圖模型；而python則強調生産效率和代碼的可讀性。
雙方的使用者群也有一定的差異。r主要用于學術和研究領域，如今正在快速拓展其企業市場的運用。python的使用者，是那些想深入鑽研資料分析或者應用統計技術的程式員，以及向資料科學尋求幫護的開發者。用一句話總結：“越接近統計研究跟資料分析人，越傾向r；越接近工程開發工程環境的人，越傾向python”。
r和python都得到大量的社群支援，包括郵件清單(mailing lists)、使用者貢獻的文檔、以及stackoverflow網站。此外，r還可以從研究人員、資料科學家、統計學家和數量分析專家那裡得到更多的支援；而python則從開發者和程式員那裡得到的支援。
從實用性來講，r通過幾行代碼就可以寫出統計模型，盡管r有樣式表，但并不是每個人都使用它們，可以用若幹種方式寫出同樣的功能。在python中寫代碼和調試代碼則更容易一些，主要是因為它的“優美”文法。但是代碼的縮進會影響它的意思。并且，在python中，永遠隻有一種方式來寫同樣的功能。
在靈活性方面，在r中使用複雜的公式很容易。各種各樣的統計檢驗和統計模型都是現成的并且容易使用；相比r，python在完成以前沒有做過的新奇的事情上，很靈活，開發人員也會用它寫網站或其它應用的腳本。
關于易學習性，開始學習r時有一個陡峭的學習曲線，一旦了解了最基本知識，就能很容易地學習更進階的知識。是以，對于有經驗的程式員，r并不難。建議r的學習者檢視datacamp上的練習和教程。
由于python看重可讀性和易用性，使得它的學習曲線相對比較低并且平緩。是以，對于初級程式員，python 被認為是一個很好的程式設計語言。對于python學習者的建議是，嘗試用《笨辦法學python》學習的同時看視訊做練習。
兩者都有自己的代碼庫。cran（the comprehensive r archive network）是一個很大的r包庫，使用者很容易為其貢獻代碼。r包是一個包含r函數、資料和編譯代碼的集合，r包在r中用一行代碼即可安裝。pypi（python package index）是python軟體庫，使用者可以為pypi貢獻代碼，但實踐起來有點困難。
計算機科學教授norm matloff 曾說過，“python并未建立起一個能與cran媲美的巨大的代碼庫，r在這方面領先巨大。但是，統計學并不是python的中心任務。”
其實r與python并不是完全孤立的，在r中使用者可以通過rpython包運作python代碼，從python傳遞或擷取資料，調用python函數或者方法。而在python中也可以使用rpy2包運作r代碼，這提供了一個從python到r的底層接口。
以上，從定性的角度進行了比較。現在，看看雙方的定量資料。小二，上資料！
先看人氣排名，下圖左邊為2013-2015年2月r和python人氣比較（tiobe名額），右邊為redmonk排名，它比較了github和stackoverflow上程式設計語言的相對性能。
再看工作和薪資，2014 dice tech薪金調查顯示，具有高薪技能和豐富經驗的r使用者的平均工資為115,531美元，而python則為94,139美元
#2 資料分析戰場
首先是用途。r的主要應用場景是，當資料分析任務需要獨立運算，或者需要在單個伺服器上分析；python的一般應用場景是，資料分析任務需要與網頁應用整合，或者當統計代碼需要并入成品資料庫。
按任務類型劃分，做探索性研究時，r語言很适合初學者。幾行代碼便可寫出統計模型；而作為一個完整成熟的程式語言，python是為産品使用進行算法執行的一個工具。
資料處理能力上，使用r進行資料分析很容易上手，因為它具有龐大數量的包、友善使用的檢驗以及在使用公式方面的優勢。做基本資料分析時，r語言更友善，不需要額外安裝包，大的資料庫需要使用類似data.table和dplyr包。過去，python資料分析包的幼年期曾是個問題，但是現在已經得到很大的改善，用python進行資料分析時，你需要使用numpy、pandas和其它的程式包。
如何上手也是比拼的一個方面。r的內建開發環境(ide)可以選擇rstudio。r最受歡迎的程式包有：dply、plyr和data.table（易于操作資料），stringr（易于操作字元串），zoo（處理規則和不規則時間序列），ggvis、lattice和ggplot2（資料可視化），caret（機器學習），建議初學者檢視datacamp上的課程和教程。
python的內建開發環境(ide)有很多，其中spyder和python notebook最受歡迎。建議初學者檢視rodeo（被稱為“python到資料科學ide”）。python最受歡迎的程式包有：pandas （易于操作資料），scipy/numpy（科學計算），sckikit-learn（機器學習），matplotlib（用于作圖），statsmodels（資料探索、統計模型估計、統計檢驗和單元測試）。
關于技術支援，使用r進行資料分析有很多技術支援，包括stackoverflow、rdocumentation,（r文檔整合）和r-help 郵件清單。
python的資料分析問題可以通過以下方式獲得支援：stackoverflow和郵件清單。
郵件清單包括pydata（關于使用python進行資料分析和pandas包）、pystatsmodels （statsmodels和pandas包的問題）、numpy-discussion （numpy包的問題）和sci-py user（大部分是scipy或者科學問題）
同樣，定性對比後再看看r和python的量化戰争！
從整體資料來看，在做資料分析時使用r的人數要多于使用python（下圖左：2014用于資料分析的程式語言）。在2014年，有23.45%的人同時使用r與python（下圖右：2014年r和python使用分析）。
在2008-2014年5月之間，stack overflow上問題标簽是”r” 和／或 “python”、“pandas”的數量，r明顯領先。在2015年3月12日到4月10日之間，在twitter上統計rstats, python numpy, python pandas和numpy這幾個關鍵詞，活躍度最大的是rstats。
工作和薪資方面，o’reilly 2014資料科學工資調查顯示，r和python平均年收入範圍都是11萬美元到12.5萬美元之間。indeed.com上r與python的工作趨勢顯示，python的工作需求量高于r。
現在很多人都選擇同時使用r和python。有的政策是利用兩種語言最好的部分——初始分析在r語言中進行，在需要更嚴格的分析、團隊工作或者釋出代碼和資料産品時開始轉換到python。有人是用r進行統計檢驗、畫圖和檢查大資料，必須寫算法時，則更傾向于用python。也有人說，更傾向于在通用語言中做數學計算，而不是用數學語言進行通用程式設計。
#3 總決選：優缺點
現在來比較一下兩者的優缺點。r最大的優點在于其作圖能力，俗話說，一圖抵千言，相比單看原始資料，可視化後的資料能被更高效、更有效的了解。利用ggplot2 可以繪制優美的圖表，使用圖表算法創造圖層、定制圖表；lattice易于展示多變量關系；rcharts從r中建立、定制和呈現互動式java可視化；googlevis利用google表格工具在r中可視化資料；用ggvis對一個網頁浏覽器進行渲染時，可以實作圖像的互動式文法，例如在r中可視化facebook好友。
ipython最大的優點在于，ipython notebook使得用python分析資料變得容易，它可以将你的分析放在一個檔案中。用python處理資料可以簡化工作流程。它是一個組合，其中包括：互動式python資料探索、在一個環境下為文檔提前寫好程式、文本和公式。你可以跟同僚分享筆記本，并且不用他們安裝任何東西。ipython大大減少了管理代碼、輸出和筆記本檔案的時間，這樣可以有更多的時間做實際工作。
r 的生态系統是它的另一項優勢，先進的界面程式包使其能與開源語言進行交流，這讓你把工作流程連成一串，對資料分析尤其有用。程式包可以從：cran（ “task views”列出了大量可用的r語言程式包）、bioconductor （生物資訊學的開源軟體）、github （基于網絡的git庫主機服務）獲得，在rdocumentation（首個r文檔聚合器）中很容易搜尋到這些資源。r的使用者社群也做得非常優秀，包括meetup群組（其中一些由r使用者社群的公司資助）、部落格和社交網絡。
python是一種通用語言，其另一個優點在于它的可讀性和學習曲線；同時，python簡單直覺，它對可讀性的重視更放大了這一特征。這就解釋了為什麼python的學習曲線相對平緩，因而很多程式員很熟悉它。并且，你寫一個程式的速度也得到正面影響：程式設計時間更少了，玩耍時間更多了。
python的測試架構確定代碼的可重複性和可靠性，一個内置低壁壘的測試架構能夠支援一個很好的測試覆寫率。其測試工具分類包括：unittest python（标準庫中首個測試架構）、nose （unittest的擴充，很多程式包使用它，如pandas）、doctest （基于python标準解釋器的輸出很容易生成測試），pytest （當進行複雜的函數測試時，可以進行小測試）。
r有一個不可替代的優勢：統計的通用語言。r是統計學家為統計學家開發的，他們通過r代碼和程式包交流統計分析思想和方法，即使是不會計算機程式設計語言的統計學家、工程師和科學家也會覺得r容易使用，是以提高了産業采用率。r也被用在金融、藥物、醫學和市場等領域，并且其作為商業分析工具的地位正在不斷增長，在商業領域的最重要價值正被一些有才能的人所了解使用，r在學術界已經被廣泛使用。r的使用量正在快速增長，其在學術文章中處于常用軟體排名第三的位置（緊随sas和sap），且這一位置正在被鞏固。
與r相比，python是一個多用途語言。作為一個被大多數程式員所熟知的普遍且易于了解的程式設計語言，python也能把不同背景的人聚集到一起。例如，一些機構不想雇傭資料分析師或者雇傭新的資料分析師比較困難，就會教育訓練老員工使用python。這意味着，python是一個現成的程式設計語言，它能夠作為一個單獨的工具與你工作流程中任意一部分結合。
兩者的缺點是什麼呢？r運作慢，而這一點是故意為之。r的設計目的是使資料分析和統計分析變得容易，而不是為了讓你的電腦“活得更輕松”。它有一個不完整的非正式定義，主要通過實作工作的方式來定義。除了設計和實作，大量r代碼慢的原因很簡單——代碼寫的很差。為改善這一點，可使用提高r性能的程式包：pqr（r翻譯器的一個新版本）、renjin、fastr（在java中重新寫r）、riposte（一個很快的解析器和jit）、revoscaler（用來處理大資料的商業軟體）、foreach（用來提高并行程式設計的商業工具）。
python最大的問題在于其可視化，選擇資料分析軟體時，可視化是一個重要原則。雖然python有一些很好的可視化程式庫，包括：seaborn（基于matplotlib的程式庫）、bokeh（互動式可視化程式庫）和pygal（建立動态可伸縮向量圖形（svg））。但python提供的可選擇程式庫過多，且與r對比，在python中進行可視化有些複雜，呈現的結果也并不是很令人滿意。
因為由統計學家開發，r另一個缺點是它陡峭的學習曲線。盡管任何人都可以使用gui得到結果，但沒有人能夠完全避開寫程式，并且找程式包很花時間。你可以通過使用正确的工具解決這個問題，利用以下這些資料可以幫組你克服這個陡峭的學習曲線：包括datacamp上的練習和教程和上rdocumentation搜尋程式包。
python另一個問題是它還不成熟，造成一種更受限制的方式去思考資料分析。截至目前，沒有子產品能夠代替基本r程式包的100個。python正在努力客服這一問題， 其中一些解決辦法包括：ipython中的r擴充允許在ipython notebook中友善使用r；現有資源和約定格局充當了一個重要角色：matlab通常用于釋出開放的研究代碼，python用于數學，r 用于統計。mlabwrap 連接配接了python和matlab，但是有些缺點，是以你需要學會兩種程式語言，并且需要有一個matlab許可證。
兩種語言有很多共同優點。其一是開源，r和python都是對任何人免費，其它統計軟體（如sas和spss）都是商業工具。
其二是他們都是進階工具，很多統計學的新進展會先在r和小範圍的python開源程式包中出現，這比商業平台要早。
第三是它們都提供線上社群，相對商業軟體提供收費的使用者支援，r和python利用線上社群對它們相應的使用者提供支援。
最後，二者使用者的薪水都比較高，根據o’reilly 2013資料科學工資調查顯示，主要使用開源工具的資料科學家（130,000美元）比使用商業工具的資料科學家（90,000美元）的工資中值更高。
#4 那麼赢家是……
最後的結果是平局！哪個工具更适合，取決于你這個資料科學家如何去挑選一個最适合你需要的程式語言。下面的問題可以指導你做出決定。
1.你要解決什麼樣的問題
2.你學習一門程式語言的成本？學習一個能更好地解決問題的新系統會花費時間，但依舊使用你熟悉的系統并不能解決你要解決的問題。
3.在你的領域最常用的工具是什麼？
在你的領域中還有什麼可用的工具，它們和那些常用工具有什麼關系？
參考資料
文中涉及的相關文章及連結如下：
原文釋出時間為：2015-06-15
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号