编程语言之争一直是很多人感兴趣的话题。随着世界的发展，我们每隔几个月就会有一种新的编程语言或框架。开发人员/分析师/研究人员一直在寻找能够以最低成本以良好性能完成工作的最佳语言。在标题中使用省略号的原因是我们一直在寻找错误的选择语言的原因。有多种因素会导致语言的选择。随着大量的数据科学项目涌入市场，问题不再是“哪种语言最好”，而是哪种语言适合你的项目需求和环境（工作环境）。因此，在这篇文章中，我打算问你一组正确的问题，以便为你的数据科学项目选择最好的编程语言。数据科学最常用的编程语言是Python，而R是统计分析或以机器学习为中心的项目（例如Java、Scala、Matlab）中使用最广泛的语言。这两者都是最先进的开源编程语言，拥有强大的社区支持。您将不断了解可实现更高级别性能和复杂性的新库和工具。PythonPython以其易于学习和易于理解的语法而闻名。使用像Python（所有行业）这样的通用语言，您可以构建整个科学生态系统，而不必担心兼容性或接口问题。Python代码维护成本低，而且可以说更强大。从数据整理到特征选择、网络抓取和部署我们的机器学习模型，Python几乎可以做所有事情，并集成了对所有主要ML和深度学习API（例如Theano、Tensorflow和PyTorch）的集成支持。RR是二十多年前由院士和统计学家开发的。R使当今的许多统计学家、分析师和开发人员都可以进行分析。我们在CRAN（开源存储库）中提供了超过12000个软件包。由于开发人员牢记统计学家，R成为所有核心科学和统计分析的首选。我们为几乎任何类型的分析提供了一个R包。使用RStudio等工具可以非常轻松地进行数据分析，这些工具允许您通过简洁明了的报告来传达结果。了解哪种语言最适合您的项目的4个问题！那么，一个人如何为自己的工作做出正确的选择呢？尝试回答以下四个问题：1.您的组织/行业更喜欢哪种语言/框架？根据您所从事的行业以及您的同行和竞争对手使用最多的语言，您可能希望使用相同的语言。这是DavidRobinson（数据科学家）的分析，它反映了R在工业界的流行程度，您可以看到R在学术界和医疗保健领域的应用非常出色。因此，如果您想从事研究、学术或生物信息学，请考虑使用R而不是Python。硬币的另一面是软件行业、应用程序驱动的组织和基于产品的公司。您可能必须与组织基础架构的技术堆栈或您的同事/团队使用的语言紧密结合。大多数组织/行业都有基于Python的基础设施，包括学术界：对于有抱负的数据科学家来说，学习具有多种应用的东西并可能增加他们找到工作的机会是不费吹灰之力的。2.你的项目范围是什么？这是一个重要的问题，因为在选择一种语言之前，你必须为你的项目定义一个议程，以及你想在多大程度上使用它。R：例如，如果您只想简单地解决数据集的统计问题，执行一些多变量分析，并准备一份报告或仪表板来解释这些见解，R可能是更好的选择，因为它具有强大的可视化和通信库。Python：另一方面，如果目标是首先进行探索性分析，开发深度学习模型，然后将该模型部署到Web应用程序，那么在所有主要云提供商的支持下，Python的Web框架无疑是赢家。.3.您在数据科学领域的经验如何？对于对统计和数学概念了解有限的数据科学初学者，Python可能成为更好的选择，因为它可以让您轻松编写算法片段。使用像NumPy这样的库，您可以自己操作矩阵和编码算法。作为一个新手，总是学习从头开始构建一些东西，而不是跳到使用机器学习库。而如果你已经了解机器学习算法的基础知识，你可以选择这些语言中的任何一种来开始。4.你手头有多少时间/学习？你可以投入的时间为你挑选另一个案例。根据您的编程经验和项目的准备时间，您可以选择一种语言而不是另一种语言来开始该领域。如果您的项目是一个高优先级项目，并且您不了解这两种语言中的任何一种，那么R可能是您入门的更容易的选择，因为您需要有限的编程经验或不需要编程经验。您可以使用现有库用几行代码编写统计模型。如果您有足够的带宽探索库并知道如何探索数据集（如果使用R，可以在Rstudio中快速完成），那么Python（程序员的选择）是一个不错的选择。结论简而言之，R和Python功能之间的差距正在缩小。大多数工作都可以用两种语言完成。两者都有丰富的生态系统来支持你。然后，为您的项目选择一种语言取决于：您以前在数据科学（统计和数学）和编程方面的经验。当前项目的领域和所需的统计或科学处理的范围。您项目的未来范围。您的团队、组织和行业中支持最广泛的语言/框架。
