现在做大数据分析，R和Python那个更好？

　　对于想从事数据行业的人和数据工作者来说，是学习R还是python，哪个工具更实用一直被大家争论。

　　关于R的介绍

　　Ross Ihaka和Robert Gentleman于1995年在S语言中创造了 开源语言R，目的是专注于提供更好和更人性化的方式做数据分析、统计和图形模型的语言。

　　起初R主要是在学术和研究使用，但近来企业界发现R也很不错。这使得中的R成为企业中使用的全球发展最快的统计语言之一。

　　R的主要优势是它有一个庞大的社区，通过邮件列表，用户贡献的文档和一个非常活跃的堆栈溢出组提供支持。还有CRAN镜像，一个用户可以很简单地创造的一个包含R包的知识库。这些包有R里面的函数和数据，各地的镜像都是R网站的备份文件，完全一样，用户可以可以选择离你最近的镜像访问最新的技术和功能，而无需从头开发。

如果给我选，我会选择Python，原因如下：

• Python是一门多功能的语言。数据统计是更多是通过第三方包来实现的。
  

• Python在2017年Github最火热语言中已经排前三，只要是开发者，了解当前热门编程语言还是有必要的；

• Python不仅可以做数据分析，在业务需求变时可以适应业务需要写些爬虫，后端，自动化处理脚本等；

当然有些R语言开发者会不同意该观点，其实在编程领域中，R的基础数据模板类便于统计类function，因此写统计类的包都很容易上手，而且有些时间序列包可以很好地使用，目前在Python中尚未发现易用的工具包，但超出这个范围，就没有那么灵活。

　　在过去几年中，对数据分析师和数据科学家的需求一直在快速增长。Python是用于数据分析最流行的语言，如果你想在数据字段中，您将工作可能需要学习Python(尽管R可以是一个伟大的选择。

　　像任何编程语言一样，Python需要花费一些时间来掌握。但是，如果您有动力并愿意学习一种新技能，那么就有很大的机会来满足就业市场对数据科学家的需求。数据科学领域充满了需要Python编程能力的工作。在2017年，IBM估计到2020年对数据科学专业人员的需求将增长28%。

　　了解Python是在包括工程，医学研究，人工智能，机器学习，汽车等行业的数据科学和其他编程工作中的一项关键技能。尽管学习数据科学似乎很漫长，但您可能会惊讶地发现，进入数据科学的Python的入门门槛实际上很低，尤其是与高回报相比。

　　为什么Python需求如此之高?

　　Python社区内部有个玩笑，说Python是所有功能的第二好语言。当然，最好的办法是主观的，但是Python非常灵活。这是最常见的- 数据的科学使用的语言(R是紧随其后)，并且它也经常在其他一些行业的使用。

Python毋庸置疑，开个玩笑！本人没用过R只用过Python，建议使用Python，因为Python群体相对比R语言要多很多吧！