數據分析又python又r
A. python和r數據分析哪個更好
2012年的時候我們說R是學術界的主流，但是現在Python正在慢慢取代R在學術界的地位。不知道是不是因為大數據時代的到來。
Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。所以有人說：Python=R+SQL/Hive，並不是沒有道理的。
Python的一個最明顯的優勢在於其膠水語言的特性，很多書里也都會提到這一點，一些底層用C寫的演算法封裝在Python包里後性能非常高效
(Python的數據挖掘包Orange canve
中的決策樹分析50萬用戶10秒出結果，用R幾個小時也出不來，8G內存全部占滿)。但是，凡事都不絕對，如果R矢量化編程做得好的話（有點小難度），會
使R的速度和程序的長度都有顯著性提升。
R的優勢在於有包羅萬象的統計函數可以調用，特別是在時間序列分析方面，無論是經典還是前沿的方法都有相應的包直接使用。
相比之下，Python之前在這方面貧乏不少。但是，現在Python有了
pandas。pandas提供了一組標準的時間序列處理工具和數據演算法。因此，你可以高效處理非常大的時間序列，輕松地進行切片/切塊、聚合、對定期
/不定期的時間序列進行重采樣等。可能你已經猜到了，這些工具中大部分都對金融和經濟數據尤為有用，但你當然也可以用它們來分析伺服器日誌數據。於是，近
年來，由於Python有不斷改良的庫（主要是pandas），使其成為數據處理任務的一大替代方案。
做過幾個實驗：
1. 用python實現了一個統計方法，其中用到了ctypes，multiprocess。
之後一個項目要做方法比較，又用回R，發現一些bioconctor上的包已經默認用parallel了。（但那個包還是很慢，一下子把所有線程都用掉了，導致整個電腦使用不能，看網頁非常卡~）
2. 用python pandas做了一些數據整理工作，類似資料庫，兩三個表來回查、匹配。感覺還是很方便的。雖然這些工作R也能做，但估計會慢點，畢竟幾十萬行的條目了。
3. 用python matplotlib畫圖。pyplot作圖的方式和R差異很大，R是一條命令畫點東
西，pylot是准備好了以後一起出來。pyplot的顏色選擇有點尷尬，默認顏色比較少，之後可用html的顏色，但是名字太長了~。pyplot
的legend比R 好用多了，算是半自動化了。pyplot畫出來後可以自由拉升縮放，然後再保存為圖片，這點比R好用。
總的來說Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處
理，Python都有著明顯優勢。
而R是在統計方面比較突出。但是數據分析其實不僅僅是統計，前期的數據收集，數據處理，數據抽樣，數據聚類，以及比較復雜的數據挖掘演算法，數據建模等等
這些任務，只要是100M以上的數據，R都很難勝任，但是Python卻基本勝任。
結合其在通用編程方面的強大實力，我們完全可以只使用Python這一種語言去構建以數據為中心的應用程序。
但世上本沒有最好的軟體或程序，也鮮有人能把單一語言挖掘運用到極致。尤其是很多人早先學了R，現在完全不用又捨不得，所以對於想要學以致用的人來說，如果能把R和Python相結合，就更好不過了。
B. 數據分析師常用工具有哪些
億信ABI是融合了數據源適配、ETL數據處理、數據建模、數據分析、數據填報、工作流、門戶、移動應用等核心功能的一站式數據處理分析平台。採用輕量級SOA架構設計、B/S模式，各模塊間無縫集成。數據整合模塊支持可視化的畢扒陸定義手頃ETL過程，完成對數據的清洗、裝換、處理。數據集模塊支此擾持資料庫、文件、介面等多方式的數據建模。數據分析模塊支持報表分析、敏捷看板、即席報告、幻燈片、酷屏、數據填報、數據挖掘等多種分析手段對數據進行分析、展現、應用。
C. r和python數據分析的區別有哪些
什麼是R語言？
R語言，一種自由軟體編程語言與操作環境，主要用於統計分析、繪圖、數據挖掘。R本來是由來自紐西蘭奧克蘭大學的羅斯·伊哈卡和羅伯特·傑特曼開發(也因此稱為R)，現在由「R開發核心團隊」負責開發。R基於S語言的一個GNU計劃項目，所以也可以當作S語言的一種實現，通常用S語言編寫的代碼都可以不作修改的在R環境下運行。R的語法是來自Scheme。
R的源代碼可自由下載使用，亦有已編譯的可執行文件版本可以下載，可在多種平台下運行，包括UNIX(也包括FreeBSD和linux)、Windows和MacOS。R主要是以命令行操作，同時有人開發了幾種圖形用戶界面。
相關推薦：《Python教程》
R的功能能夠通過由用戶撰寫的包增強。增加的功能有特殊的統計技術、繪圖功能，以及編程介面和數據輸出/輸入功能。這些軟體包是由R語言、LaTeX、Java及最常用C語言和Fortran撰寫。下載的可執行文件版本會連同一批核心功能的軟體包，而根據CRAN紀錄有過千種不同的軟體包。其中有幾款較為常用，例如用於經濟計量、財經分析、人文科學研究以及人工智慧。
Python與R語言的共同特點
Python和R在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法。
Python和R兩門語言有多平台適應性，linux、window都可以使用，並且代碼可移植性強。
Python和R比較貼近MATLAB以及minitab等常用的數學工具。
Python與R語言的區別
數據結構方面，由於是從科學計算的角度出發，R中的數據結構非常的簡單，主要包括向量(一維)、多維數組(二維時為矩陣)、列表(非結構化數據)、數據框(結構化數據)。而Python則包含更豐富的數據結構來實現數據更精準的訪問和內存控制，多維數組(可讀寫、有序)、元組(只讀、有序)、集合(唯一、無序)、字典(Key-Value)等等。
Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據(通過groupby)才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。
Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。 而R是在統計方面比較突出。
Python的pandas借鑒了R的dataframes，R中的rvest則參考了Python的BeautifulSoup，兩種語言在一定程度上存在互補性，通常，我們認為Python比R在計算機編程、網路爬蟲上更有優勢，而R在統計分析上是一種更高效的獨立數據分析工具。所以說，同時學會Python和R這兩把刷子才是數據科學的王道。
D. 做數據分析用R還是python好
R是統計分析的專用語言。Python是一門通用語言，應用領域滾雹更廣。如大此帆果專注數據分析，挖掘選用哪個差別不大，如果除了數據處理，還涉及到其他開發，則只扒槐能選Python了
E. 數據分析用python還是r語言
數據分析的話，我覺得都是可以採用的，因為兩者來說都是有一些特點有優勢也有劣勢
F. R語言與Python是什麼
都是程序計算機語言。
Python入門簡單，而R則相對比較難一些。R做文本挖掘現在還有點弱，當然優點在於函數都給你寫好了，你只需要知道參數的形式就行了，有時候即使參數形式不對，R也能"智能地」幫你適應。這種簡單的軟體適合想要專注於業務的人。
Python幾乎都可以做，函數比R多，比R快。它是一門語言，R更像是一種軟體，所以python更能開發出flexible的演算法。
相關介紹
Python和R本身在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法，所以使用起來產出比大。
這兩門語言對於平台方面適用性比較廣，linux、window都可以使用，並且代碼可移植性還算不錯的。對於學數理統計的人來說，應該大多用過MATLAB以及mintab等工具，Python和R比較貼近這些常用的數學工具，使用起來有種親切感。
G. 數據分析用r還是python
R和Python兩者誰更適合數據分析領域？在某些特定情況下誰會更有優勢？還是一個天生在各方面都比另一個更好？
當我們想要選枯芹擇一種編程語言進行數據分析時，相信大多數人都會想到R和Python——但是從這兩個非常強大、靈活的數據分析語言中沒旅畢二選一是非常困難的。
我承認我還沒能從這兩個數據科學家喜愛的語言中選出更好的那一個。因此，為了使事情變得有趣，本文將介紹一些關於這兩種語言的詳細信息，並將決策權留給讀者。值得一提的是，有多種途徑可以了解這兩種語言各自的優缺點。然而在我看來，這兩種語言之間其實有很強的關聯。
Stack Overflow趨勢對比
上圖顯示了自從2008年(Stack Overflow 成立)以來，這兩種語言隨著時間的推移而發生的變化。
R和Python在數據科學領域展開激烈競爭，我們來看看他們各自的平台份額，並將2016與2017年進行比較：
相關推薦：《Python入門教程》
接下來我們將從適用場景、數據處理能力、任務、安裝難度以及開放工具等方面詳細了解這兩種語言。
適用場景
R適用於數據分析任務需要獨立計算或單個伺服器的應用場景。Python作為一種粘合劑語言，在數據分析任務中需要與Web應用程序集成或者當一條統計代碼需要插入到生產資料庫中時，使用Python更好。
任務
在進行探索性統計分析時，R勝出。它非常適合初學者，統計模型僅需幾行代碼即可實現。Python作為一個完整而強大的編程語言，是部署用於生產使用的演算法的有力工具。
數據處理能力
有了大量針對專業程序員以及非專業程序員的軟體包和庫的支持，不管是執行統計測試還是創建機器學習模型，R語言都得心應手。
Python最初在數據分析方面不是特別擅長，但隨著NumPy、Pandas以及其他擴展庫的推出，它已經逐漸在數據分析領域獲得了廣泛的應用。
開發環境
對於R語言，需要使用R Studio。對於Python，有很多Python IDE可供選擇，其中Spyder和IPython Notebook是最受歡迎的。
熱門軟體包和庫
下面羅列了R和Python推出的針對專業以及非專業程序員的最熱門的軟體包和庫。
R：針對專業程序員的熱門軟體包
用於數據操作的 dplyr、plyr和 data table
用於字元串操作的 stringr
定期和不定期時間序列 zoo
數據可視化工具 ggvis、lattice 和 ggplot2
用於機器學習的 caret
R：針對非專業程序員的熱門軟體包
Rattle
R Commander
Decer
這些完整的GUI包可以實現強大的數據統計和建模功能。
Python：針對專業程序員的熱門庫
用於數據分析的 pandas
用於科學計算的 SciPy 和 NumPy
用於機器學習的 scikit-learn
圖表庫 matplotlib
statsmodels 用來探索數據，估算統計模型，並執行統計測試和單元測試
Python：針對非專業程序員的熱門庫
Orange Canvas 3.0是遵循GPL協議的開源軟體包。它使用一些常用的Python開源庫進行科學計算，包括numpy、scipy和scikit-learn。
R 和 Python 詳細對比
正如本文開頭提到的，R和Python之間有很強的關聯，並且這兩種語言日益普及。很難說哪一種更好，它們兩者的整合在數據科學界激起了許多積極和協作的波瀾。
總結
事實上，日常用戶和數據科學家可以同時利用這兩者語言，因為R用戶可以在R中通過 rPython包來運行R中的Python代碼，而Python用戶可以通過RPy2庫鎮猜在Python環境中運行R代碼。
H. Python和R的區別
Python與R的區別：
雖然R語言更為專業，但Python是為各種用例設計的通用編程語言。如果你第一次學編程，會發現Python上手更容易，應用范圍也較廣，如果你對編程已經有了一定的基礎，或者就是以數據分析為中心的特定職業目標，R語言可能會更適合你的需求，Python和R也有很多相似之處，兩者都是流行的開源編程語言，都得到了廣泛的支持。
Python是近幾年增長非常快的編程語言，是面向對象的，它為項目提供了穩定性和模塊化，為Web開發和數據科學提供了靈活的方法，掌握Python是程序員在商業、數字產品、開源項目和數據科學以外的各種Web應用程序中工作所必需的技能。
R是一種特定於領域的語言，用於數據分析和統計，它使用統計學家使用的特定語法，是研究和學術數據科學世界的重要組成部分，R遵循開發的過程模型，沒有將數據和代碼分組，比如面向對象的編程，而是將編程任務分解為一系列的步驟和子程序，這些過程使可視化操作變得更加簡單。
學習Python的三個理由：
1、對初學者是友好的，它使用了一種邏輯和易於接近的語法，使識別代碼字元串更加容易，減少了學習困難和一些挑戰。
2、Python是多用途的，並不局限於數據科學，它還能很好的處理基於web的應用程序，並且支持多種數據結構，包括使用SQL的數據結構。
3、Python是可伸縮的，比R語言運行速度更快，可以和項目一起增長和擴展，提供了必要的有效工作流程，使工作得以實現。
學習R的三個理由：
1、R為統計而建，R使特定類型的程序構建和交流結果變得更加直觀，統計學家和數據分析人員用R語言，會更容易使用標准機器學習模型和數據挖掘來管理大型數據集。
2、R是學術性的：在學術界工作，R幾乎是默認的。R非常適合機器學習的一個子領域，稱為統計學習。任何有正式統計背景的人都應該識別R的語法和結構。
3、R對分析是直觀的，它還提供了一個非常適合於科學家使用的數據可視化類型的強大環境。
I. r語言和python的區別是什麼
1、數據結構復雜程度不同
R中的數據結構非常的簡單，主要包括向量一維、多維數組二維時為矩陣、列表非結構化數據、數據框結構化數據。
Python 則包含更豐富的數據結構來實現數據更精準的訪問和內存控制，多維數組。
2、適用場景不同
R適用於數據分析任務需要獨立計算或單個伺服器的應用場景。
Python作為一種粘合劑語言，在數據分析任務中需要與Web應用程序集成或者當一條統計代碼需要插入到生產資料庫中時，使用Python更好。
3、數據處理能力不同
有了大量針對專業程序員以及非專業程序員的軟體包和庫的支持，不管是執行統計測試還是創建機器學習模型，R語言都得心應手。
Python最初在數據分析方面不是特別擅長，但隨著NumPy、Pandas以及其他擴展庫的推出，它已經逐漸在數據分析領域獲得了廣泛的應用。
4、開發環境不同
對於R語言，需要使用R Studio。
對於Python，有很多Python IDE可供選擇，其中Spyder和IPython Notebook是最受歡迎的。
J. 數據分析用r還是python
使用Python：
Python最初是作為用於軟體開發的編程語言開發的（後來添加了數據分析工具或槐手），因此具有計算機科學或軟體開發背景的人們可能會更舒適地使用它。
因此，從其他流行的編程語言（例如Java或C ++）到Python的過渡比從那些語言到R的過渡容易。
使用R：
R有一組稱為Tidyverse的軟體包，這些軟體包提供了功能強大但易於學習的工具，用於導入，操作，可衫嫌視化和報告數據。使用這些工具，沒有任何編程或數據分析經驗（至少是軼事）的人可以比Python更快地提高生產力。
總體而言，如果我們或明燃我們的員工沒有數據分析或編程背景，R可能更有意義。