基里尔·埃雷门科

与许多其他数据科学家一样,您可能会想知道要学习哪种编程语言。无论您是否在其他编码工具中都有经验,您可能会感到不知所措的R和Python,包括广泛的库和包。别担心,我们在这里提供帮助。

不足为奇的是,R和Python都能让广泛的用户受益,技术专业人士经常使用这两者。本文将帮助您决定哪些工具是正确的离去

R编程A-Z™: R为数据科学提供真实的练习!

最后更新于9月2021日

畅销书
  • 82次讲座
  • 所有级别
4.6 (42605)

学习R和R工作室的编程。数据分析,数据科学,统计分析,包,功能,GGPlot2 |由基里尔·埃雷门科(Kirill Eremenko)执笔,Ligency团队

探索课程

首先,您必须弄清楚为什么要使用这种编程语言。例如,一个主要从事遗传学研究的数据科学家可能更喜欢使用r。从事图像分析模型工作的人可能会发现自己与使用Python的人一起工作。这是因为它有复杂的图像处理工具。

最后,这是你的选择。你可能不想做点什么,因为这是其他人正在做的事情。但是,能够“讲”与未来同行相同的语言是很重要的。

谁使用r和为什么?

起初,R是一个统计计算平台。R托管所有经典测试、时间序列分析、聚类等。它有一个庞大的数据挖掘社区。这意味着有很多可访问的包,来自R开发人员和用户。有许多用于绘制和分析图形的包和层,例如ggplot2。

r已在新型人工智能场景中变得流行,为神经网络,机器学习和贝叶斯推断提供工具。R与MXNET和TensorFlow的深度学习的这种包兼容。您可以阅读更多关于这些的信息快速列表有用的R包

R不仅受到数据科学家的欢迎,也受到统计学家和其他需要处理数据的领域的人们的欢迎。这包括医学、金融和社会科学领域的人员。对于数据科学家来说,找到一个广泛使用的程序是很重要的。我们希望能够用一种语言尽可能多地谈论研究领域。这可以使我们的发现更容易翻译和理解。

谁使用Python,为什么?

对于程序员和开发人员来说,Python是一个非常好的工具。人们可以使用Python的接口和函数数组来开发许多算法。这些算法可以模拟生物分子或提供反垃圾邮件软件。

Python于1989年出来。从那时起,有些人称之为最重要的通用面向对象的编程语言。Python与新的程序员增加了普及,包括数据科学家。这意味着它有一个大型用户和疑难解答。

Python在人工智能领域也很受欢迎。它有用于机器学习、神经网络和张量流的工具。这些库是使用Python的另一个原因。这些库包括用于统计分析的NumPy,用于数据准备的pandas,以及用于生成地块的seaborn。

我们如何比较R和Python?

那么他们每次匹配如何?您想通过每个选项思考。我知道没有想到潜在限制的挫败感。有关数据科学应用的一些主要事项是:

让我们看看每种语言在这些主题上的表现。

处理速度

许多人认为R很慢,因为R需要物理内存来存储对象。这意味着它不是大数据的好选择。更快的处理器正在减少这一限制。各种各样的软件包都致力于解决这个问题。不过Python更适合于大型数据集。Python可以更快地加载大文件。

在线社区

正如我提到的,R和Python都有一个广泛支持的支持网络。你可以向这个社区寻求帮助。对于那些你似乎无法轻易排除的bug,社区是一个非常宝贵的帮助来源。

困难去学习

这可能是或可能不是使用R的问题。它的陡峭学习曲线是由于其统计学家的大权,因为该领域的专家开发了它。这意味着需要更多的时间来学习。Python对新程序员来说非常有吸引力,以便学习和使用是多么容易。

您需要熟悉术语,这可能似乎最初令人生畏和困惑r和python。例如,您需要了解“包”和“库”之间的区别。

Python的设置要比R容易,这也是因为统计学家构建了R,并基于它的成熟的前身s。不过,Python在语法上对用户是严格的。如果您没有遇到容易错过的错误,Python将拒绝运行。但从长远来看,这使我们成为更好、更整洁的代码编写者。

R为许多学术用户提供了更多的图形设计控制权。R允许各种可见的导出和格式。两者都是基于解释器。基于长期使用其他语言(如c++)的经验,这使得发现错误变得更加容易。

友好的用户界面

Rstudio是许多人最喜欢的在r中工作的平台。它被归类为集成开发环境(IDE)。bob外围官网Rstudio包含一个用于直接执行代码的控制台,以及用于绘图、支持交互式图形、调试和工作空间管理的所有功能。看到rstudioide特性有关更详细的指南。

Python有许多ide可供选择。这样做的好处是,它为你提供了一个很好的机会,让你根据自己的背景选择一个熟悉的。例如,有着计算机科学背景的Spyder显然是最受欢迎的。然而,该领域的初学者发现PyCharm是容易理解和直观的。

使用

我们已经谈到了这个话题。我想强调的是,这是你选择的领域的主观。学术界、金融界和医疗保健界通常使用R。你会想利用它。软件开发、自动化和机器人技术更可能使用Python。bob外围官网

r vs python:每个人的优势是什么?

R和Python都为您提供了不同的机会,以最少的工作量创建智能编码。虽然它们有一些相似之处,但都有自己的优势。

r:

Python:

考虑到所有这些,选择哪种语言开始取决于你想从中得到什么。如果您专门从事统计分析或研究工作,您可能会选择R。如果您看到自己跨多个学科分支,您可以使用Python的通用性和多样性网络。

根据你的工作、兴趣和需要,你可能会决定最终最好同时学习这两方面。至少,在了解对方各自的优点时,了解对方的语法是很有用的。这无疑会为你打开更多的大门,帮助你找到工作。

更重要的是,学习R和Python将使您更清楚地决定自己想要走哪条职业道路。不要不知所措。学习第二语言比第一语言容易。毫无疑问,当你成长为一名数据科学家时,你会发现自己对加入一个全新的社区感到兴奋。

祝你好运,编码愉快!

页面上次更新:2020年4月

Python顶级课程

100天的代码 - 完整的Python Pro Bootcamp 2021
Angela Yu博士
4.7 (50,645)
畅销书
从头开始学习Python和道德黑客
Zaid Sabih,Z安全
4.7 (14225)
2021年完成Python开发:从零到精通
安德烈Neageie.
4.7 (30,716)
使用Flask和Python的REST api
何塞·萨尔瓦蒂埃拉,特克拉多,何塞·萨尔瓦蒂埃拉
4.6 (14820)
畅销书
使用PySpark实现大数据的Spark和Python
何塞·波蒂拉
4.6 (16,074)
畅销书
完整的Python课程|通过做来学习Python
Codestars由Rob Percival,Jose Salvatierra,Rob Percival,Teclado由Jose Salvatierra
4.6 (15,249)
用Apache Spark和Python驯服大数据 - 手上!
Frank Kane的Sundog教育,Frank Kane,Sundog教育团队
4.5 (11,257)
使用熊猫和Python进行数据分析
鲍里斯·帕斯卡弗
4.6 (14,569)
畅销书

更多Python课程

Python的学生还学习

赋予你的团队。引领行业。

使用Udemy for Business订阅您所在组织的在线课程和数字学习工具库。

请求一个演示

基里尔·埃雷门科的课程

数据科学A-Z™:包括现实数据科学练习
基里尔·艾瑞门科,Ligency小队的
4.6 (30,437)
表格访谈问答:数据科学职业表格
基里尔·艾瑞门科,Ligency小队的
4.2 (440)
R编程A-Z™: R为数据科学提供真实的练习!
基里尔·艾瑞门科,Ligency小队的
4.6 (42605)
畅销书
R编程:数据科学R中的高级分析
基里尔·艾瑞门科,Ligency小队的
4.7 (7339)
Python A-Z™: Python数据科学与真实练习!
基里尔·艾瑞门科,Ligency小队的
4.6 (21850)
Tableau 2020 A-Z:数据科学的实践Tableau培训
基里尔·艾瑞门科,Ligency小队的
4.6 (71,077)
畅销书
Tableau 20高级培训:数据科学中的Tableau
基里尔·艾瑞门科,Ligency小队的
4.7 (13556)
机器学习A-Z™:Data Science的实践Python&R
Kirill Eremenko,Hadelin de Ponteves,SuperdAtcascence支持,Ligency团队
4.5 (150,847)
畅销书
Power BI A-Z:DOULDS-ON POWER BI培训数据科学!
基里尔·艾瑞门科,Ligency小队的
4.5 (16908)
数据科学的颜色A-Z:数据可视化颜色理论
Kirill Eremenko, Patrycja Angelika Jeleniewicz, Ligency团队
4.5 (958)
畅销书
深度学习A-Z™:实践人工神经网络
Kirill Eremenko,哈德林德·佩特维斯,Ligency团队
4.6 (38,289)
畅销书
业务分析和数据科学A-Z™的统计数据
基里尔·艾瑞门科,Ligency小队的
4.6 (8,904)

基里尔·埃雷门科的课程