中国统计网

登录

首页

分类浏览

专题

专栏作者

问答

线下活动

企业招聘

app下载

投稿

注册




R vs Python:R是现在最好的数据科学语言吗?
头像 浩彬老撕 干货分享
干货分享

在前一段时间的博客中,我解释了为什么你应该掌握 R 语言(即便它最终可能过时):http://sharpsightlabs.com/blog/master-r-obsolete/。我写这篇文章是为了向那些声称掌握 R 语言浪费时间的人致辞。(因为它最终会变得过时)。


但是当我认为 R 语言最终会变得过时时,这似乎引起了恐惧——仿佛 R 语言已经过时了。

我想要消除你的恐惧:R 语言仍然很流行。


R 语言是过去十年中发展最快的编程语言之一。


事实上,如果你开始学习数据科学,我仍然推荐从 R 语言开始。


所以,我想向你保证。R 语言绝对没有过时的。事实上,R 语言是非常受欢迎的而且是最好的数据语言。


为此,我想解释为什么我对 R 语言的长期前景非常乐观,以及为什么我认为这也许是今天可以学习的最好的数据科学语言。



R 语言始终是最好的语言之一


我想让你们明白的一件事情是:目前 R 语言是存在的最受尊敬、排名最高、增长最快的语言之一。


在很多方面,R 语言就代表了数据语言。在数据科学领域,这是一个仍处于顶端的语言(只有 1 到 2 个真正的竞争者)。


为什么这么说呢?让我们看看几个重要的调查和编程语言排名的结果,看看 R 语言排在哪里。


IEEE:R 语言排名第 5


世界上最大的技术专业协会 IEEE 在几年前已经创建了一个编程语言排名。


这个 IEEE 的排名系统使用一组 12 个指标,包括比如谷歌的搜索量、谷歌的趋势、Twitter 的点击次数、GitHub 的库、Hacker News 的帖子等等。


使用这种方法,他们将几十种编程语言进行排名和分类。


在他们对 2016 年顶级编程语言的回顾中,R 语言已经攀升到了第 5


1.jpg


IEEE 的方法是非常全面的,所以这对于 R 相对于其他语言的力量和学习的相对价值是一个很好的指示。


TIOBE:R的排名高,且具有连续的上升趋势


另一个排名系统,TIOBE 索引,为各种编程语言创建了相似的分数和排名。


如果我们看看 R 语言在 TIOBE 索引上的表现,我们可以看到近十年以来一个稳定的上升趋势。


2.jpg


请记住,TIOBE 索引的结构是「编程语言受欢迎程度的指示」。索引每个月更新一次,评分是基于世界范围内的精尖工程师、课程和第三方供应商的使用量。像谷歌、Bing、雅虎、维基百科、亚马逊、油管和百度等热门搜索引擎则用来计算排名。


到 2016 年 12 月,R 语言的总排名是 17(在所有编程语言中)。它的最高排名是 2015 年 5 月的第 12 名。


这表明,如果你想学习数据科学,目前学习 R 语言仍然是一个很好的选择。(要清楚,Python 在 TIOBE 索引上的排名较高,但是很难从 Python 相关使用的严格数据中分离出网络和软件开发的使用情况,因此这可能不是一个公平的比较)。


Redmonk:R语言排名12


另一个经常选择的语言排名系统是 Redmonk 编程语言排名,它是从 GitHub(代码行数)和 Stack Overflow(标签数量)上的流行度衍生出来的。


截至 2016 年 11 月,R 语言在所有编程语言中排名第 13 位。


此外,R 语言几年来一直呈上升趋势


在前 20 种语言的后半部分中,随着时间的推移,R 语言显示出最一致的上升趋势。从 2012 年的第 17 位开始,它随着时间的推移稳步上升,但似乎在 13 这个位置上停留了连续三个季度。然而这一次,R 语言代替了排名 12 位的 Perl,使其跌落到 13 位。虽然仍然有大量的 Perl 语言在流通,但是更加专业的 R 语言已经夺取了这个一度被认为是网络粘结剂的 Perl 语言的位置。当然这与 R 语言的支持者们无关。R 语言相对独特的前 20 路径是值得它们的粉丝所欢呼的。


O’Reilly:R语言可以说是最常见的数据编程语言


最后,媒体 O'Reilly 在过去的几年里进行了一次数据科学调查,他们使用调查数据来分析数据科学的趋势。除了其他的之外,它们分析工具的使用情况来确定哪些工具是数据科学家最常使用的。


在 2016 年的调查报告中,R 语言是最常用的编程语言(如果我们排除 SQL,这不是我在这里所指的编程语言)。57% 的受访者使用 R 语言(相比之下,使用 Python 的有 54%)

(另外,有 70% 的受访者使用 SQL。如果你正在寻找 R 之后的另一个语言去学习,我会推荐 SQL)


他们还调查了人们去识别数据可视化的工具。他们发现 ggplot2 是最常见的可视化工具。我会在一篇即将发布的博客中解释为什么我喜欢 ggplot2,但如果我们只跟踪人气,O'reilly 的调查表明 ggplot2 时最常被使用的工具之一,甚至可能就是最常被使用的。



R 语言是学习数据科学的极佳语言


R 语言成为一门极佳的数据科学语言,在普遍性之外,另一大原因是:它是一门非常好的学习数据科学的语言。


R 语言是真正的「数据语言」


R 语言之所以如此适合数据科学的原因部分跟它本身的语言特性有关。自 R 语言发明之初,数据及统计的观念便融入其中。R-Project 形容其为「为统计计算而准备的编程语言及环境」。也就是说,R 语言的 DNA 中就含有统计及数据的基因。


如此说来,R 语言在众多编程语言中可谓独树一帜。它是一门为统计而生的语言,是一门为(处理)数据而设计的语言。当你在学习数据科学的时候,这将带来很大的优势——因为几乎所有的统计测试或方法都能够在 R 语言及其拓展库中找到。


最好的书籍和资源都使用了 R 语言


俨然,R 语言已是一门「统计计算」语言。与之相关的是,许多很好的书籍及学习资源都采用了 R 语言。


这非常重要。如果你是一名初学者,在数据科学领域才刚刚起步,那么你将需要学习很多知识。要真正掌握数据科学,你需要学习包括概率论、统计学、数据可视化、数据处理及机器学习在内的诸多子领域。所有这些领域都包含了理论基础(也就是你需要学习的内容),同时你也需要通过编写程序实际使用它们。


也就是说,你需要这样一种语言:


能够在这些领域都能够发挥作用(如数据可视化、数据处理、机器学习(也叫做统计学习))。


这门编程语言在这些领域内还有高质量的学习、训练素材。


尽管市面上有很多关于数据科学的书籍与课程,但其中最好的大多都是基于 R 语言的。


使用 R 语言学习概率论


以概率论为例,两本关于概率论的优秀书籍都是用 R 语言来编写书上的上手案例的。这两本书分别是:


《Probability with Applications and R》。这本书语言朴实、通俗易懂、条理清晰。


《Introduction to Probability》。这本书基于哈佛著名的统计学课程编写。


这只是两个简单的例子。如果你进一步发掘的话,你会发现几乎所有的关于概率论的书籍都使用了 R 语言。


使用 R 语言学习频率论统计学(frequentist statistics)


对于统计学方面的书籍也是如此。


因为统计学已经深入 R 语言的骨髓,所以许多统计学课本使用 R 语言作为其学习工具。


《Statistics: an Introduction using R》是一本介绍频率论统计学的优秀书籍。


一样的,如果你在亚马逊上快速搜索一下,你找到的大部分统计学入门的教材都使用了 R 语言作为它们的学习工具。


使用 R 语言学习贝叶斯统计学


当你正在寻找一本关于贝叶斯统计学的入门书籍时,这种趋势变得更为明显。


几乎所有的关于贝叶斯统计及推断的书籍都是用了 R 语言。尽管有些例外(有些书使用了 C 语言或者 Python),但主导的仍然是 R 语言。


如果你对贝叶斯统计学感兴趣,你可以查看这几本书:


Introduction to Bayesian Statistics


Statistical Rethinking


Doing Bayesian Data Analysis


如果你对贝叶斯方法感兴趣的话,这些书是你最棒的选择了,并且它们都使用了 R 语言。


学习如何在 R 中进行数据可视化


当你在学习数据可视化的时候,尽管你会有相对更多的编程语言可以选择,但笔者还是认为,大多数最优的编程资源都使用了 R 语言。


如果你正在学习数据可视化,那么你可以参考 Nathan Yau 的工作。他经常在他的博客(flowingdata.com)上上传一些使用 R 语言的数据可视化教程。(笔者同时推荐他所写的《Data Points》作为参考,在这本书中主要讲授的是数据可视化的一些法则而非编程实现。)

笔者亦推荐 Hadley Wickham 所著的书。如果你对使用 R 语言进行数据可视化感兴趣的话,那么你应该拥有 ggplot2 这本书。它不仅教会你如何使用 R 语言中数据可视化库的使用方法,还能够改变你对数据进行可视化的观念。


同时,你还可以参考这本书:R for Data Science。这本书包含了对数据可视化非常棒的介绍,还有对很多 R 语言数据可视化工具库的介绍,是一本学习 R 语言的必备书籍。


使用 R 语言来学习机器学习


最后,如果你想开始学习机器学习,有很多优秀的使用 R 语言描述的机器学习的书籍可以参考。


我承认,现在有各种各样使用不同的编程语言的来描述机器学习的书籍,但我认为,在最好的那一部分书籍中有很大比例都是使用的 R 语言。


下面有两个使用 R 语言来介绍机器学习的优秀的教程:


统计学习导论(An Introduction to Statistical Learning)


应用预测建模(Applied Predictive Modeling)


这些书写得十分严谨同时也很容易理解。书中会提及一些理论知识(但是不会用很复杂的数学知识来为难你),同时也会教授你一些实用的技术。


毫无疑问,这是我给想学习机器学习的初学者最常推荐的两本书,并且它们都使用的是 R 语言。


如果你想学习数据科学,R 语言是一个绝佳的选择


最后强调一下,R 是一种学习数据科学的优质语言,因为许多优秀的书籍(以及一些其它的教程)都使用 R 来作为编程语言。


所以,如果你是数据科学的初学者,由于数据科学学习材料的数量和质量所限制,所我认为 R 语言是最好的选择。



一个关于 Python 的快速注解


就数据科学编程语言来说,Python 是目前唯一可以替代 R 的语言。(因为其它的替代方案缺乏完善的软件包生态系统或者是非开源/免费的)。


我不会在这里阐述我对 Python 的全部理解,但是我必须要讲的是,Python 的确是一种优秀的语言。我爱 Python。


话虽如此,对于数据科学的初学者来说,我仍然认为 R 是更好的选择,其中的原因我在上文中已经进行了概述。


再者,我认为关于基础数据科学概念(概率、统计、贝叶斯统计、机器学习)的许多最好的教科书和教程都是基于 R 的。当然,这并不是说没有优秀的数据科学书籍使用 Python,我只是认为基于 R 的书籍的平均质量高于用其它编程语言描述的书籍。


有关于 Python 的另一个问题是,很多学生在开发过程中会遇到一些困难。他们在学习的过程中并没有花多少时间来学习统计数据、数据可视化、数据操作、概率等,而是花费了大量的时间去学习数据结构、循环、流程控制、面向对象的编程和 Web 框架。这些技能可以用来完善核心的数据科学工具包,但它们不是我们想要了解的数据科学范畴的相关内容。事实上,我建议大多数初学者先学习基本数据科学相关的内容(如数据操作、可视化、分析等)后再学习软件开发。


虽然大多数的初学者在以后会学习软件开发的技术,但是很多使用 Python 来作为入门数据科学的初学者会陷入到软件开发和 Web 开发等领域。我认为之所以会出现这样的问题,是因为在许多方面,Python 都是运用于这些领域的。大多数关于 Python 的书籍并不是真正的数据科学书籍,而是讲述一些有关于编程和开发的内容。所以,有些数据科学的初学者选择使用 Python 描述的书籍来学习数据科学,然而他们最终却花费了数月甚至数年来学习软件和 web 开发而不是数据科学。


当然,我非常爱 Python,但是对于初学者而言,我认为选择 Python 有一些冒险。最好还是从 R 语言开始,因为统计学和数据科学就像「它的 DNA」一样和它绑定在一起。使用 R 语言,不仅更容易学习,也不容易偏离我们的学习范畴。


如果你想学习数据科学,那么就学习 R 语言吧


你应该记住的是,如果想要学习数据科学,R 是可以说是最好的选择。在人气方面,R 拥有非常高的排名,并且还处于上升趋势。此外,有很多最好的数据科学的书籍和教程都是使用 R 语言来描述的。


如果你想要开始学习数据科学,我的建议如下:


学习 R 语言


重点学习 ggplot2、dplyr、tidyr、lubridate 和一些其它用于实现数据的可视化和控制的 Hadleyverse 工具


学习同时使用这些工具来进行数据分析。


当你对这些 R 工具包有所了解之后就可以开始学习概率、统计学和机器学习的内容了 (我推荐大家使用我在本文中所谈到的那些资料)



R vs Python - 超级英雄


R 这么好,也不要忘记 Python。在这一部分我们对比一下数据科学家的两个超级英雄——R 和 Python。


Python 就像是超人,而 R 和蝙蝠侠之间有几点相似之处。让我们创建一个表来列出这些相似之处。



R 就像蝙蝠侠


侦探工作


智慧


狡黠


使用工具


动脑多于蛮力


Python 就像超人


肌肉力量


超级力量


优雅


应用面广


蛮力多于动脑


接下来解释一下 R 和 Python 之间的区别及原因。此外,让我们帮助数据科学家找到更好用的编程语言。


R vs Python / R 和 Python : 哪一种更好用?


R 和 Python 都是开源的、免费的高级编程语言。R 专门用于统计计算。它有大量附加包(package)/工具来支持机器学习和数据分析。另一方面,Python 是一种通用的强大的编程语言,在数据准备、数据调试和数据分析方面有特殊的应用。


这种区别也是不同分析人士喜欢这些编程语言的原因。Python 通常被尝试开发数字处理和分析技能的计算机程序员所青睐。另一方面,R 被数学家和统计学家优先选择。这些差异在这些语言的学习资源(书籍和网上论坛)中是显而易见的。例如,考虑以下 4 本免费的在线图书。



所有这些书都是高质量的统计教材,用 R 作为首选编程语言。这些只是几个例子。请注意,第一本书不是专门用于 R,与第二本书有相同的作者。你很少会找到用 Python 作为首选语言的书籍。因此,R 更有能力处理数据挖掘和统计分析的相关问题。另一方面,Python 提供了非常好的应用程序来处理非结构化和复杂的数据集,如图像、书面文本(网络、电子邮件等)、基因、声音等。


实质上,Python 和 R 一起构成了数据科学家的工具包。因此,对于务实的和面向应用的数据科学家来说,了解这两种语言的超级能力和特点是至关重要的。



使用 R 进行分析、数据可视化与建模:


为分析提供了极好的灵活性


R 使你在分析的时候更容易思考


由于有着十分活跃的统计与数学社区,可以持续的更新和增强分析功能优秀的数据可视化工具


优秀的数据可视化工具


使用 Python 进行数据预处理、数据清洗,特别针对于非结构化数据(如网页,图像,文本等):


极强的灵活性,能够从自由文本、网站和社交媒体网站提取信息


便于图像挖掘和为分析准备数据


处理大量的数据的时候比 R 语言更好


对于一个认真的数据科学家来说,R 和 Python 都应该了解。我们需要的是 R+Python,而不是 R vs Python。

End.


作者:Sharp Sight Labs


来源:浩彬老撕 (中国统计网特邀认证作者)


本文为中国统计网原创文章,需要转载请联系中国统计网(小编微信:itongjilove),转载时请注明作者及出处,并保留本文链接。

我要评论
验证码
  • 1
作者头像 进击的小狮子
收藏。目前在用R,并且打算学Python

关注公众号

中国统计网微信公众号

微信公众号:cntongji

今日热议

专栏作者

  • 黄成明
    统计网特邀认证作者
    黄成明 ,零售数据分析研究者,拥有15年的销售及数据分析经验,历经美国强生公司、妮维雅公司、雅芳公司和鼎盛时期的诺基亚公司。目前是数据化管理的咨询顾问和培训师。他独立研发了基于周销售权重指数的零售管理模型,可以有效地进行目标管理、销售预测、客流预估、促销评估、销售预警等。
  • 傅一平
    统计网特邀认证作者
    浙江移动大数据中心 数据管理部经理 博士 毕业于浙江大学 10多年数据从业经验,专注于大数据采集、处理、建模、管理、变现及产业等研究
  • tommy
    统计网特邀认证作者
    数据落地应用探索者
  • 秦路
    统计网特邀认证作者
  • 数据海洋
    统计网特邀认证作者
    数据应用的实践者!
  • 张溪梦
    统计网特邀认证作者
    GrowingIO创始人&CEO,前LinkedIn商务分析总监
立即下载
版权所有: 统计网. Copyright © 2016 itongji.cn All Rights Reserved. 备案号:ICP备15042641号-3