经常有学员问我们，在数据科学领域里，到底是该选Python呢，还是选R更好?诚然，对于数据科学家来说，R和Python都很重要。但是对于一个新人数据科学家来说，又该如何取舍呢?同时学习Python和R也有些不切实际。作者TomWaterman作为过来人，他是先学了R，后来才学的Python，他给我们列出了为什么Python比R更适合数据科学领域的四大理由。InfoQ中文站翻译并分享给大家。

我认为，在数据科学领域，Python比R更合适的理由主要有四个。

新人数据科学家都面临着一个问题，而这个问题非常重要：我是应该学习Python呢，还是学习R?

问得好!这个问题真的非常重要。因为，“男怕入错行，女怕嫁错郎”，要知道，学习第一门编程语言是需要耗费数百个小时的。试图都学这两门编程语言是不切实际的，特别是当你刚刚开始职业生涯的时候。

那么，你应该做出怎样的选择呢?

根据我的经验，如果你选择了Python，我相信，你的职业生涯将会因此受益良多。

在我看来，对数据科学这一职业来说，Python是更好的选择，尤其是如果你刚刚起步的话。

我将给出四个理由，来说明为什么我认为Python对你职业来说是更好的选择，但我也要澄清一点：我并不认为R是一个糟糕的选择。

选择R并不会对你的工作机会产生什么负面影响，而是要取决于你的团队，你甚至有可能会被要求学习R。事实上，Facebook将R作为内部调查工具的分析组件，而我们所有的数据科学基础设施都支持这门语言。

也就是说，我相信，如果你学习Python的话，你将会更快地成为一名实践数据科学家，而且还能够更好地在统计建模之外的重要领域为你的团队做出贡献。

因此，学习Python将会使你能够为公司带来更大的影响力，而你的职业生涯也将因此硕果累累。

理由一：无论如何，你可能得学习Python

大多数公司要求他们的数据科学家所做的并不仅仅是预测建模(即机器学习)。至少，你可能需要维护为模型提供数据的数据管道，而这些数据管道很可能就是用Python构建的。

目前，管道的行业标准是基于Python的Airflow，而在Facebook上，我们使用的内部Python工具基本上也是相同的。

事实上，据我估计，在Facebook，我们的数据科学家100%都会在每周使用Python，而积极使用R的人可能只有10%左右。

因此，对你来说，如果选择Python的话，可能会更有效率：虽然你一旦找到工作就可以避开R，但不太可能会绕开Python。

理由二：Python更容易学习

要知道，成为可雇佣的人所需的时间非常重要，尤其是如果你是在大学以外的地方自学的话。

Python以易学而闻名。在学过Python和R之后(虽然我对Python方面更深入)，我认为，Python的声誉是当之无愧的。

当你开始使用统计建模之外的语言特性时，Python易学所带来的好处尤为明显。这些特性包括将项目打包用于分发、开发命令行界面、使用像SQLAlchemy这样的对象关系映射(Object-relationalmapping，ORM)为数据结构建模等等。

若掌握Python，将使你更容易精通这些特性，你的职业生涯也将因此受益。

理由三：Python的社区更庞大

Python是世界上最流行的编程语言之一，在Stackoverflow、Kaggle甚至Mediun等网站都有庞大的社区。

因此，当你不可避免地遇到连自己也无法解决的问题时，你更有可能找到那些在你之前遇到过这个问题、寻求过帮助并得到解决方案的人。

这意味着你将花费更少的时间来调试与系统的兼容性问题，而将更多的时间用于交付可为公司带来影响的代码。

理由四：使用Python部署模型更容易

最后，在职业生涯中，你可能会达到这样的一个阶段：你希望能够将模型实时提供给任何一个最终用户。要解决这个问题，你需要构建一个基于REST的Web应用程序，使用Python的话，这件事就会变得很容易。

实际上，Python拥有一些世界上最流行的Web应用程序框架，即Django和Flask。你公司的内部部署工具更有可能就支持这些框架，而且相对来说不太可能会支持R。

这些框架的流行也意味着它们得到了平台即服务提供商(如Heroku、AmazonLightsail等)的良好支持。有了这些框架，你将能够在线发布你的个人项目，而所需的工作量仅相当于在R中部署相同项目所需工作量的一小部分。

最重要的是，如果你足够幸运，你的公司在自己的产品中已经使用了Python框架，那么学习Python就意味着你将有足够的危机感，连接你自己的应用内跟踪。若能够自主为你的模型捕获更多的特性，将会对你所能够带来的影响产生显著的效果。

当然，所有的决策都是需要权衡取舍的，选择学习Python而不是R也没有什么不同。尽管我个人认为Python对数据科学职业来说是更好的选择，但Python的缺点也同样值得考虑。

对我来说，Python最大的缺点就是没有与RStudio相当的工具。Python最有可比性的是JupyterNotebook，但我个人觉得RStuduo更好一些，因为它具有数据探索的功能。

作者注：在写完本文后，MarceloGarcia指出可以使用免费的Spyder包作为RStudio的Python替代方案。但作者还没有机会尝试Spyder，但是看起来很棒!

R在学术界也非常流行，因此，R中软件包的文档更有可能是直接引用学术研究。这些文档对于从事研究“前沿”工作的数据科学家来说非常有用。

但我并不认为RStudio的缺乏，就能足以否定Python的相对优势。而且，在数据科学学术界从业者也少得多，这使得R的研究相关优势对大多数数据科学家来说不那么重要了。

因此，尽管R有很多优点，但我相信如果你选择学习Python，你的职业生涯将会受益匪浅。

最后，我认为值得一提的是，我并不认为学习R就是个糟糕的选择，只不过Python更可能是你职业生涯中的一个更好的选择而已。要根据你的具体情况，学习R对你来说也有可能更有意义。

不管你选择学习哪种语言，你都不应该觉得你永远不能改变主意。要知道，所有的编程语言的相似之处可要远远多于不同之处：学习第二门编程语言要比第一门编程语言容易得多。

实际上，我恰恰选择的就是先学习R的!因此，就算我现在建议将Python作为你职业生涯的更好选择，但我也很难对R不认可。

以上内容为大家介绍了数据科学领域Python比R语言更好，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。http://www.mobiletrain.org/

上一篇

python调试的几种方式

下一篇

用 Python 高效背单词