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，开奖，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。

　　©本文由机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]