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。Martijn Theuwissen，DataCamp 的教育专家详细比较了这两个工具。

　　Python 和R是统计学中两种最流行的的编程语言，R的功能性主要是统计学家在开发时考虑的（R具有强大的可视化功能），而 Python 因为易于理解的语法被大家所接受。

• 1).运算速度：

  针对于程序速度的比较，有众多的测试方法和不同的结果。

  综合其他各个地方的测试结果，其实大体说来从基本运算速度来说，Python > R. 但是要注意，这里所说的运算速度是“基本计算”。也就是说不涉及引用特殊package，不用特殊数据结构和运算方式（比如R中的矢量化运算）的运算。而这样的运算比较很大程度上取决于基本程序逻辑的速度，比如for循环。R在这点的表现是很差的。基本上会比pyhon慢 3~10倍。

  但是，如果你愿意多花些心思更好的利用矢量化编程进行计算，那么无论从程序的长度来是速度上，都会使R的表现有显著性提高。具体的内容就不重复了。总之，在这样的使用方式下，对大部分运算，R的速度是可以和python接近的，当然，用户也需要花更多地心思去优化程序。

  除此之外，在实际使用的角度来说，数据分析在R中大部分时候使用已有的方法，因此可以使用众多已经成型的package。如果你使用的package质量很好，通常在大计算量的程序中，作者实际使用的都是更低级更高效的语言（比如C， Fortran）。因此，这些大计算量的步骤实际上是以最高效的方式完成的。如果相应的运算在pyhon里面没有调用其他低级语言的优化，R就可以在这些方面胜过python。我这里说到的是不需要自己编写的底层语言调用，在R和python中都可以实现调用别的语言，但是这需要用户自己编程，从人工角度来讲，专业性较高，不在讨论范围。

  整体来说，对于对R使用和编程有一定深入理解的人来说，我不认为R做数据分析的速度会比python差。但是对于简单粗暴的编程方式，python的确更胜一筹。

• 2).全面性：

  从这点来说，我认为Python的确胜过R。无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势。毕竟，python本身是作为一门计算机编程语言出现的，而R本身只是源于统计计算。所以从语言的全面性来说，两者差异显著。

  综上所述，本人认为，对于本地文件直接的数据分析，大部分时候R是比较Python更好的 （速度相近，但分析更专业）。如果涉及多方资源的协调（比如远程、数据库、系统、网页），那么最好的方式是将python和R相结合使用。

  当然，每种语言有自己的学习曲线。因此学习本身也要多花时间，因此如何选取还要依赖于个人而论。

• 3).优势对比：
  
• 在以下领域中，Python 比R 更有优势：
  ◆ 网络爬虫和数据抓取：虽然R中的rvest已经简化了网页抓取， Python的beautifulsoup和Scrapy更加成熟，并提供更多的功能。 ◆ 数据库连接：虽然R有大量的用于连接到数据库的选项， Python的sqlachemy只用了一个程序包就提供了所有的数据库连接功能，并可广泛用于生产环境。
• 而在以下领域中，R比Python更有优势：
  ◆ 统计分析选项：尽管Python的SciPy和 Pandas以及 statsmodels的组合提供了很大的一套统计分析工具，而R是专门围绕着统计分析应用等创建的，因此提供了更多的相关工具。 ◆ 交互式图像或控制板：bokeh， plotly和intuitics最近都把Python的图形使用扩展到了Web浏览器，但是举个使用shiny的例子，R中的shiny 控制面板运行速度更快，而且往往需要更少的代码。

此外，由于数据科学团队现在拥有一个比较广泛的技能库，任何应用程序所选择的编程语言都可能用到以前的知识和经验。对于一些应用，特别是原型设计和开发应用，人们使用他们已知的工具则速度会更快。

• 纯文本 的“Air Gap（网闸）”策略
  指在完全断开网络物理连接的基础上，实现合法信息的共享。本文中指用纯文本文件实现两种语言间代码的共享——译者注。使用纯文本作为两种语言之间的物理隔离，你需要按如下步骤进行。
  1.从命令行中重构你的R和Python脚本，并接受命令行参数。 2.输出共享数据到公共文件格式。 3.在一种语言中执行另一种语言，按要求传递参数。
• 优势：
  ★ 最简单的方法，通常最快 ★ 可以轻松查看中间输出结果 ★ 已有常见文件格式，如： CSV ， JSON ， YAML的解析器
• 劣势：
  ☆ 需要事先商定一个共同的模式或文件格式 ☆ 如果流程变长的话，难以管理中间输出结果和路径 ☆ 如果数据量变大，本地磁盘读写将成为瓶颈

• 4).R和Python：数据科学行业的表现：
  如果你看一下最近的民意调查，在数据分析的编程语言方面，R是明显的赢家。 有越来越多的人从研发转向Python。此外，有越来越多的公司使用这两种语言来进行组合。 如果你打算从事数据行业，你用好学会这两种语言。招聘趋势显示这两个技能的需求日益增加，而工资远高于平均水平。