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，也都有非常活跃的社区来支撑。那么问题来了：r语言和python有必要都学吗
R:
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。
立即学习“Python免费学习笔记（深入）”；
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。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中用方括号[ ]代表列表。这里你必须要用方括号，而且变量一定要用引号' '，要不然代码会运行错误。
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。
Python的优势
对于数据科学初学者，尽管我强烈推荐学R，但也不是唯一的选择。
对于某些人，Python可能是最好的选择。下面讲一下哪些情况下选择Python更好。
如果你有软件开发或计算机科学基础，学Python
PHP是程式语言、MySQL是资料库，要学好任何一种都不是件容易的事，而我们，还要将它做出成果出来！很难吗？不会的！有好的方法、好的流程，其实是可以很轻松的学会，并且应用在网页上的。 书里所介绍的是观念、流程，一个步骤一个步骤依照需求，就可以做出我们要的结果，不怕做不出来，希望藉由这本书，可以让你将这些观念实现在你的网站里。 PHP & MySQL的学习，只要有正确的观念、正确
如果你曾经有软件开发经验或者你是计算机科学专业的话，我认为Python会更适合你。因为你已经有编程经验了，使用Python会让你更舒服。
想开发软件，学Python
我已经说了R更擅长数据科学。如果你想建立软件系统的话，我认为Python更合适。Python的闪光点就是写软件，效率很高。就像一些专家所说的那样，写Python代码就如同写伪代码。
此外，Python是一门通用语言，基本啥都能干。然而R比较专，只是擅长统计分析和可视化。
我想澄清一下，不是说R不能写软件。只是更多人喜欢用Python去建立产品软件。因此作为数据科学家，如果你想创立软件系统，我觉得Python比R更合适。
想搞机器学习，学Python
如果你想长期从事机器学习方面的研究，我建议你学Python。
其实R也有机器学习生态系统。特别地，R的caret 包开发得很好，它有能力完成各种机器学习任务。比如：使用caret包建立回归模型（regression model）、支持向量机（SVM）、决策树（包括回归和分类）以及执行交叉验证（cross validation）等等。总之，R的机器学习生态系统发展得很好。
但是，Python在机器学习方面的支持出现更早。为实现各种不同机器学习方法，Python的scikit-learn库提供了一套更加简洁和易读的语法。而R中caret包的语法有时有点拙劣。尤其，caret包与Tidyverse包兼容得不是很好，输出的结果有时也很难处理。相反，Python的scikit-learn库与Python生态环境整合得很好。
市面上有关机器学习的书籍，其算法实现很多都是用Python写的。
总之，如果你想致力于机器学习，我认为Python会更好。
想搞深度学习，学Python
深度学习可谓是目前人工智能领域最热门的技术之一，而Python是深度学习使用最热门的语言。
大多数深度学习框架都有Python接口，比如：TensorFlow，Keras，Pytorch，Theano，MXNET等等。
Python与各框架兼容得非常好，拥有大量贡献者、搜索结果、相关书籍和学术文章；Github上的深度学习项目大多数都是用Python写的。如果你是刚入门深度学习的新手，使用Keras是不错的选择。
相比较，R对深度学习框架兼容方面表现不佳。因此如果你想专注深度学习，Python可能更适合。
学R还是Python？主要还是依耐你的背景以及你的目标。
如果你没有任何编程经验，建议你先学R；如果你想学数据可视化，我认为R的ggplot2包是最好的工具；如果你想专门从事数据分析和数据挖掘，R表现更优秀。
如果你想成为机器学习专家，Python的scikit-learn库可以好好研究一下；如果你想开发软件系统，Python更合适。
俗话说，技多不压身，你还有第三个选择：R和Python都学。实际上很多顶尖数据科学家这两门语言都会。不过对于新手，一次只学一门。同时学两门会让你很混乱，学习周期会拉长，事倍功半。
