Python 和R语言

Python是面向对象的、解释型、*编程语言。由Guido van Rossum在1991年创建。Python的设计理念就是强调代码的可读性。 Python2.0在2000年发布，Python3.0在2008年发布。在Python中使用import this可以查看Python之禅。随着数据科学、人工智能、机器学习等学科的发展，Python无疑成了当下较热门的编程语言，没有之*。各种编程语言的对比是编程界经久不衰的话题，Python常常用来和R语言做对比，尤其是在数据科学领域。本文就结合本人使用的亲身体验来比较一下Python和R。

首先作为科研人员和数据工作者，R语言是使用情况上来说，要比Python更加广泛。周围大大多数人也通常使用R，而不是Python。本人虽然平时也尝试写一些Python代码，但是主流的工作语言还是R。可以说“Python是爱好，R是工作”。当然，各个领域的使用情况可能不同。

在科研领域，面对的主要对象是数据，包括对数据的整理和清洗，数据的分析等，而R语言自出生就流淌着统计的血液，在统计分析上具有先天优势。另外，广大科研人员并不关注语言是不是面对对象，他们反而觉得面向过程更简单一些。而且数据分析通常不会涉及太多代码的重用性，也不会太关注代码的效率（除非是写工具用）。

R语言在处理数据框（表）类型的东西上，更具优势。尤其是很多R包，比如data.table，tidyr，dplyr等等，还有%>%管道符号，在处理数据表上简直就是神器。虽然Python也有pandas等之类的模块，但是使用起来显然不如R语言灵活好用。另外，R语言在画图上也有很大优势，很灵活，尤其是ggplot2包，以及搭配各种配色，作出的图可以直接放在论文中的。

所以，可以看到R语言在数据清理筛选 -> 统计分析 -> 结果作图上都比Python具有优势，对于普通的科研人员来说，这些就够了，所以在这个意义上R语言要比Python好用很多。

当然，Python在处理非数据框（表）类型的数据时，比R语言更方便。尤其是处理字符串，Python特别好用，R相比就显得笨拙一些。此外，Python中的生成式也非常灵活方便。

另外，在面向对象而言，R语言也加入了一些S3,S4等类型，但是，就本人而言，R的S3和S4显得晦涩，很难以让人理解。Python中的类就显得很简洁了。