关于R和python数据分析方面的对比争论-数据分析

关于R和python数据分析方面的对比争论

最近几年，用R, Python的人越来越多，于是出现了众多关于用哪个做数据分析最好的争议。（Matlab是商用软件，所以暂不涉及。）
在这里分享一下自己的观点：
首先，从整体来说，个人认为数据分析需要的是在有限时间内，用最可行的方式拿到最有用的结果。因此，不应该局限于任何单一的编程方法，而应该是各取所长，根据个人特点，问题的形式而灵活选取或者结合。

其实，关于R做数据分析的优势已经不言而喻了，众多和全面的统计方法使得从方法上来说，R的数据分析能力是其他几个不能比拟的。其实争议最多的也就是出现在其计算性能和全面性上。

1. 运算速度：
针对于程序速度的比较，有众多的测试方法和不同的结果。比如，这个链接里的结果（。
综合其他各个地方的测试结果，其实大体说来从基本运算速度来说，Python > R. 但是要注意，这里所说的运算速度是“基本计算”。也就是说不涉及引用特殊package，不用特殊数据结构和运算方式（比如R中的矢量化运算）的运算。而这样的运算比较很大程度上取决于基本程序逻辑的速度，比如for循环。R在这点的表现是很差的。基本上会比pyhon慢 3~10倍。

但是，如果你愿意多花些心思更好的利用矢量化编程进行计算，那么无论从程序的长度来是速度上，都会使R的表现有显著性提高。我之前的一个帖子做过这样的比较，具体的内容就不重复了。总之，在这样的使用方式下，对大部分运算，R的速度是可以和python接近的，当然，用户也需要花更多地心思去优化程序。

除此之外，在实际使用的角度来说，数据分析在R中大部分时候使用已有的方法，因此可以使用众多已经成型的package。如果你使用的package质量很好，通常在大计算量的程序中，作者实际使用的都是更低级更高效的语言（比如C， Fortran）。因此，这些大计算量的步骤实际上是以最高效的方式完成的。如果相应的运算在pyhon里面没有调用其他低级语言的优化，R就可以在这些方面胜过python。我这里说到的是不需要自己编写的底层语言调用，在R和python中都可以实现调用别的语言，但是这需要用户自己编程，从人工角度来讲，专业性较高，不在讨论范围。

整体来说，对于对R使用和编程有一定深入理解的人来说，我不认为R做数据分析的速度会比python差。但是对于简单粗暴的编程方式，python的确更胜一筹。

2. 全面性：

从这点来说，我认为Python的确胜过R。无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势。毕竟，python本身是作为一门计算机编程语言出现的，而R本身只是源于统计计算。所以从语言的全面性来说，两者差异显著。

综上所述，本人认为，对于本地文件直接的数据分析，大部分时候R是比较Python更好的（速度相近，但分析更专业）。如果涉及多方资源的协调（比如远程、数据库、系统、网页），那么最好的方式是将python和R相结合使用。

当然，每种语言有自己的学习曲线。因此学习本身也要多花时间，因此如何选取还要依赖于个人而论。

转载请注明：数据分析 » 关于R和python数据分析方面的对比争论