Kirill Eremenko

像其他许多数据科学家一样,您可能想知道该学习哪种编程语言。无论您是否有使用其他编码工具的经验,您可能会对R和Python的各个特性感到不知所措,包括各种各样的库和包。别担心,我们是来帮忙的。

对于没有人的惊喜,r和python都有利于各种各样的用户,技术专业人士经常使用两者。本文将帮助您决定哪些有权获得的工具去。

R编程A-Z™:R用于实际锻炼的数据科学!

最后更新2021年3月

畅销书
  • 82讲座
  • 所有级别
4.6 (39233)

在R和R工作室学习编程。数据分析,数据科学,统计分析,包,功能,GGPlot2 |由吉尔埃梅亨科,利历团队

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,主要从事遗传学研究的数据科学家可能更喜欢使用r。它在遗传学领域被广泛使用,在生物信息学领域也很流行。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。这是因为其复杂的图像处理工具。

最后,这是你的选择。你可能不想仅仅因为别人都在做某件事就去做。然而,能够和你未来的同龄人说同样的语言是很重要的。

谁用R,为什么?

起初,R是统计计算的平台。R托管所有经典测试,时间序列分析,聚类等。它有一个大型的数据矿工社区。这意味着R开发人员和用户都有许多可访问的包。有许多用于绘制和分析图的封装和层,例如GGPLOT2。

R已经成为新型人工智能领域的流行,为神经网络、机器学习和贝叶斯推理提供了工具。R与MXNet和TensorFlow等深度学习包兼容。你可以在这里了解更多一个有用的R包的快速列表

R不仅与数据科学家们不仅宽容,还很受欢迎,也很受欢迎,也很受到需要操纵数据的其他领域的统计学家和人。这包括医学,金融和社会科学的人。对于数据科学家来说,找到广泛使用的程序很重要。我们希望能够在一种语言中与某种学习领域交谈。这可以使我们的研究结果更易于翻译和理解。

谁在使用Python ?为什么?

Python对于广泛范围内的程序员和开发人员来说是一个优秀的工具。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年问世。从那时起,一些人称它为最重要的通用面向对象编程语言之一。Python在包括数据科学家在内的新程序员中越来越受欢迎。这意味着它拥有一个庞大的用户和故障排除者社区。

Python在人工智能领域也很受欢迎。它有机器学习、神经网络和张sorflow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和用于生成图的seaborn。

我们如何比较r和python?

它们是如何匹配的呢?你需要仔细考虑每一个选择。我知道没有考虑到潜在的限制的挫败感。数据科学应用需要考虑的主要问题有:

让我们来看看每种语言如何在这些主题上票价。

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一个很好的选择。更快的处理器正在降低这种限制。在那里的各种包装专注于修复这一点。Python虽然对于大型数据集更好。Python可以更快地加载大文件。

在线社区

正如我所提到的,R和Python都具有广泛支持的支持网络。您可以联系到这个社区寻求帮助。社区对这些错误来说是一个宝贵的帮助来源,你似乎无法易于排除故障。

困难去学习

在使用r时,这可能是个问题,也可能不是。它陡峭的学习曲线是由于它对统计学家的强大作用,因为它是该领域的专家开发的。这意味着你需要更多的时间去学习。Python对新程序员非常有吸引力,因为它易于学习和使用。

您需要熟悉一些术语,这些术语最初可能会让R和Python感到畏惧和困惑。例如,您需要了解“包”和“库”之间的区别。

Python的设置要比R简单。这也是因为统计人员构建了R,并基于其成熟的前辈S. Python,不过,对用户的语法要求很严格。如果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对图形设计的更多控制。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bug更加容易。

友好的用户界面

Rstudio是许多人在r环境中工作时最喜欢的平台。它被归类为集成开发环境(IDE)。bob外围官网Rstudio包含一个直接执行代码的控制台,包含所有绘图、支持交互式图形、调试和工作空间管理的功能。看到Rstudio IDE特色获取更详细的指南。

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,来自计算机科学背景的Spyder显然是我的最爱。然而,这个领域的初学者发现PyCharm容易理解而且直观。

我们触动了这个主题。我会强调这是你所选领域的主观。学术界,金融和医疗保健的领域通常使用R.你想要利用这一点。软件开发,自动化和bob外围官网机器人更有可能使用Python。

R vs Python:它们各自的优势是什么?

r和python都为您提供了不同的机会,以创建智能编码,以最小的努力。虽然它们有一些相似之处,但每个都有自己的一系列优势。

接待员:

Python:

随着这一切,选择你从中开始哪种语言取决于你想要的语言。如果您专注于统计分析或在研究中工作,您可能希望选择R.如果您在许多学科中看到自己分支,您可以使用Python的一般性和不同的网络。

根据您的工作,兴趣和需要,您可能会决定最终将最终学习两者。至少,当您了解各自的优势时,它很重要,可以了解足以阅读其他的语法。这无疑将为您开放更多的大门,并帮助您降落工作。

更重要的是,学习R和Python将为您添加清晰度来决定您想要采取的职业道路。不要被淹没。学习第二语言比第一个语言更容易。毫无疑问,你觉得自己兴奋地加入了一个全新的社区,因为你作为数据科学家的成长。

祝你好运和快乐的编码!

页面最后更新:4月2020年4月

Python的顶级课程

用Python完成从零到英雄的Python集训
何塞Portilla
4.6 (353607)
畅销书
在2021年完成Python开发:从零到精通
安德烈Neagoie
4.7 (25736)
从头开始学习Python和道德黑客
Zaid Sabih, z安全公司的
4.6 (12914)
用Python自动化软件测试
Jose Salvatierra,Teclado由Jose Salvatierra
4.5 (3122)
Python为初学者完成MasterClass
Mihai Catalin Teodosiu, EpicPython学院
4.5 (2196)
畅销书
Python中的设计模式
Dmitri Nesteruk
4.5 (1206)
数据科学:Python中的深度学习和神经网络
懒惰的程序员。
4.6 (7,223)

更多Python课程

Python的学生也会学到

让你的团队。领导行业。

通过Udemy为Business获取组织的在线课程和数字学习工具库的订阅。

请求一个演示

Kirill Eremenko的课程

数据科学A-Z™:现实生活中的数据科学练习包括
基里尔·埃雷门科,利朗西团队
4.6 (29268)
Tableau采访问答:数据科学事业的Tableau
基里尔·埃雷门科,利朗西团队
4.2 (431)
R编程A-Z™:R用于实际锻炼的数据科学!
基里尔·埃雷门科,利朗西团队
4.6 (39233)
畅销书
r编程:R族的高级分析用于数据科学
基里尔·埃雷门科,利朗西团队
4.7 (6796)
Python A-Z™:用于数据科学的Python与真实练习!
基里尔·埃雷门科,利朗西团队
4.6 (19717)
Tableau 2020 A-Z:数据科学的实践Tableau培训
基里尔·埃雷门科,利朗西团队
4.6 (62905)
畅销书
Tableau 20 Advanced Training: Master Tableau in Data Science
基里尔·埃雷门科,利朗西团队
4.7 (12338)
Machine Learning A-Z™:practice Python & R In Data Science
Kirill Eremenko, Hadelin de Ponteves, SuperDataScience支持,Ligency Team
4.5 (142810)
畅销书
Power BI A-Z:动手Power BI数据科学培训!
基里尔·埃雷门科,利朗西团队
4.4 (11875)
数据科学的颜色A-Z:数据可视化颜色理论
Kirill Eremenko, Patrycja Angelika Jeleniewicz, Ligency Team
4 (898)
深度学习A-Z™:手动人工神经网络
基里尔·埃雷门科,哈德林·德·蓬特维斯,利朗西团队
4.5 (36088)
畅销书
商业分析和数据科学统计A-Z™
基里尔·埃雷门科,利朗西团队
4.6 (8119)
评价最高

Kirill Eremenko的课程