R vs Python – Különbség köztük
Evelyn Clarke
Főbb különbség R és Python
- Az R főként statisztikai elemzésre szolgál, míg Python általánosabb megközelítést nyújt az adattudományhoz
- Az R elsődleges célja az adatelemzés és a statisztika, míg az elsődleges célja a Python a telepítés és gyártás
- Az R felhasználók főként tudósokból és K+F szakemberekből állnak, míg Python A felhasználók többnyire programozók és fejlesztők
- Az R rugalmasságot biztosít az elérhető könyvtárak használatához, míg Python rugalmasságot biztosít az új modellek megalkotásához a semmiből
- Az R-t nehéz megtanulni az elején Python Lineáris és sima tanulni
- Az R integrálva van a helyi futtatáshoz Python jól integrálható az alkalmazásokkal
- Mind R, mind Python hatalmas méretű adatbázist tud kezelni
- Az R használható az R Studio IDE-n, miközben Python lehet használni Spyder és Ipython Notebook IDE-k
- Az R különböző csomagokból és könyvtárakból áll, mint például a tidyverse, ggplot2, caret, zoo, míg Python olyan csomagokból és könyvtárakból áll, mint a panda, scipy, scikit-learn, TensorFlow, caret
R és Python mindkettő nyílt forráskódú programozási nyelv nagy közösséggel. Az új könyvtárak vagy eszközök folyamatosan kerülnek be a megfelelő katalógusba. R főként statisztikai elemzésre használják, míg Python általánosabb megközelítést nyújt az adattudományhoz.
R és Python az adattudományra orientált programozási nyelvek terén a legkorszerűbbek. Mindkettő tanulása természetesen az ideális megoldás. R és Python időbefektetést igényel, és ez a luxus nem mindenki számára elérhető. Python egy általános célú nyelv, olvasható szintaxissal. Az R-t azonban statisztikusok építik fel, és az ő sajátos nyelvezetüket foglalja magában.
R
Az akadémikusok és statisztikusok két évtized alatt fejlesztették ki az R-t. Az R jelenleg az egyik leggazdagabb ökoszisztémával rendelkezik az adatok elemzésére. Körülbelül 12000 csomag érhető el a CRAN-ban (nyílt forráskódú tároló). Lehetséges könyvtárat találni az elvégzendő elemzéshez. A könyvtárak gazdag választéka miatt az R az első választás a statisztikai elemzésekhez, különösen a speciális analitikai munkákhoz.
Az R és a többi statisztikai termék közötti élvonalbeli különbség a kimenet. Az R fantasztikus eszközökkel rendelkezik az eredmények közlésére. Az Rstudio a könyvtári knitr. Xie Yihui írta ezt a csomagot. A riportokat triviálissá és elegánssá tette. A megállapítások prezentációval vagy dokumentummal történő közlése egyszerű.
Python
Python nagyjából ugyanazokat a feladatokat tudja elvégezni, mint az R: adatcsere, tervezés, webes selejtezés funkcióválasztás, alkalmazás és így tovább. Python egy eszköz a gépi tanulás nagyléptékű telepítéséhez és megvalósításához. Python a kódok könnyebben karbantarthatók és robusztusabbak, mint R. Évekkel ezelőtt; Python nem volt sok adatelemző és gépi tanulási könyvtár. Nemrég, Python felzárkózik, és élvonalbeli API-t biztosít a gépi tanuláshoz vagy a mesterséges intelligenciához. Az adattudományi munka nagy része öttel elvégezhető Python könyvtárak: Numpy, Pandas, Scipy, Scikit-learn és Seaborn.
Python, másrészt megkönnyíti a replikálhatóságot és a hozzáférhetőséget, mint az R. Valójában, ha az elemzés eredményeit egy alkalmazásban vagy webhelyen kell felhasználnia, Python a legjobb választás.
Népszerűségi index
Az IEEE Spectrum rangsor egy olyan mérőszám, amely számszerűsíti a népszerűségét a programozási nyelv. A bal oldali oszlop a 2017-es, a jobb oldali pedig a 2016-os rangsort mutatja. 2017-ben Python az első helyre került az egy évvel korábbi harmadik helyre képest. R a 6-ban vanth helyen.
Munka lehetőség
Az alábbi képen az adattudományhoz kapcsolódó munkakörök száma látható programozási nyelvenként. SQL messze van előtte, utána következik Python és a Java. R az 5. helyen állth.
Ha a közötti hosszú távú trendre koncentrálunk Python (sárgával) és R (kék színnel) ezt láthatjuk Python gyakrabban szerepel a munkaköri leírásban, mint R.
Az elemzést R és Python
Ha azonban az adatelemzési feladatokat nézzük, az R messze a legjobb eszköz.
A váltók százalékos aránya
Két kulcsfontosságú pont van az alábbi képen.
- Python a felhasználók lojálisabbak, mint az R felhasználók
- Az R-felhasználók százalékos aránya, akik erre váltanak Python kétszer akkora, mint Python R-nek.
Különbség R és Python
| Vizsgált paraméter | R | Python |
|---|---|---|
| Objektív | Adatelemzés és statisztika | Telepítés és gyártás |
| Elsődleges felhasználók | Tudós és K+F | Programozók és fejlesztők |
| Rugalmas | Könnyen használható elérhető könyvtár | Könnyű új modelleket készíteni a semmiből. Azaz mátrix számítás és optimalizálás |
| Tanulási görbe | Az elején nehéz | Lineáris és sima |
| A programozási nyelv népszerűsége. Százalékos változás | 4.23 2018%-kal | 21.69 2018%-kal |
| Átlagos fizetés | $99.000 | $100.000 |
| Integráció | Futtassa helyben | Jól integrálható az alkalmazással |
| Feladat | Könnyű elérni az elsődleges eredményeket | Jó az algoritmus telepítése |
| Adatbázis mérete | Nagy méretű fogantyú | Nagy méretű fogantyú |
| IDE | stúdió | Spyder, Ipython Notebook |
| Fontos csomagok és könyvtár | tidyverse, ggplot2, caret, állatkert | pandák, scipy, scikit-learn, TensorFlow, caret |
| Hátrányok | Lassíts Magas tanulási görbe Függőségek a könyvtárak között |
Nincs annyi könyvtár, mint R |
| Előnyök |
|
|
R vagy Python Használat
Python Guido van Rossum, egy számítógépes szakember fejlesztette ki 1991 körül. Python befolyásos könyvtárai vannak a matematika, a statisztika és a mesterséges intelligencia területén. Gondolkodhatsz Python a gépi tanulás tiszta játékosaként. Viszont, Python nem teljesen érett (még) az ökonometriára és a kommunikációra. Python a legjobb eszköz a Machine Learning integrációjához és telepítéséhez, de nem az üzleti elemzéshez.
A jó hír az, hogy az R-t akadémikusok és tudósok fejlesztették ki. Úgy tervezték, hogy megválaszolja a statisztikai problémákat, a gépi tanulást és az adattudományt. Hatékony kommunikációs könyvtárai miatt az R a megfelelő eszköz az adattudományhoz. Emellett az R számos csomaggal rendelkezik az idősorelemzés, a paneladatok és az adatbányászat végrehajtásához. Ráadásul nincs jobb eszköz az R-hez képest.
Véleményünk szerint, ha Ön kezdő az adattudományban, és rendelkezik a szükséges statisztikai alapokkal, két kérdést kell feltennie magának:
- Szeretném megtanulni, hogyan működik az algoritmus?
- Szeretném üzembe helyezni a modellt?
Ha mindkét kérdésre igen a válaszod, valószínűleg elkezdenéd tanulni Python első. Egyrészt, Python nagyszerű könyvtárakat tartalmaz a mátrix kezeléséhez vagy az algoritmusok kódolásához. Kezdőként talán könnyebb megtanulni, hogyan kell a semmiből modellt felépíteni, majd átváltani a gépi tanulási könyvtárak funkcióira. Másrészt, ha már ismeri az algoritmust, vagy azonnal bele akar menni az adatelemzésbe, akkor mind az R, mind a Python kezdésnek rendben vannak. Egy előny az R számára, ha a statisztikai módszerekre összpontosít.
Másodszor, ha többet szeretne tenni a statisztikáknál, mondjuk a telepítést és a reprodukálhatóságot, Python jobb választás. Az R jobban megfelel a munkájához, ha jelentést kell írnia és műszerfalat kell létrehoznia.
Dióhéjban, a statisztikai különbség R és Python egyre közelebb kerülnek. A munka nagy része mindkét nyelven elvégezhető. Jobb, ha kiválasztja az igényeinek megfelelőt, de azt az eszközt is, amelyet kollégái használnak. Jobb, ha mindannyian ugyanazt a nyelvet beszélitek. Miután ismeri az első programozási nyelvet, egyszerűbb megtanulni a másodikat.
Összegzés
A végén a választás az R ill Python attól függ:
- Küldetésének céljai: Statisztikai elemzés vagy telepítés
- Az idő, amit befektethet
- Az Ön cége/iparága leggyakrabban használt eszköze
