數據挖掘技術日趨成熟和復雜，隨著互聯網發展以及大批海量數據的到來，之前傳統的依靠spss、SAS等可視化工具實現數據挖掘建模已經越來越不能滿足日常需求，依據美國對數據科學家（data scientist）的要求，想成為一名真正的數據科學家，編程實現算法以及編程實現建模已經是必要條件；目前很多從事數據挖掘工作的人，大多都是出身非計算機專業，本身對編程基礎比較低，所以找到一門快速上手而又高效的編程語言是至關重要的，好的工具和編程語言可以起到事半功倍的效果。

目前在數據挖掘算法方面用的最多的編程語言有：Java、C++、C、Python、R等等

R語言作為統計界第一語言（軟件），很多時候與我們號稱分析界第一語言的Python老是被人拿起來對比，所以今天專門做了一個表格，簡介一下R語言與Python語言的對比情況。

首先還是我Python神圖壓鎮：

首先介紹一下R語言吧：

有個小段子，說為什么要叫R語言呢？就是因為兩位創始人的名字，都是以"R"開頭的，所以，干脆一拍即合，就叫R語言吧……

R語言有很多的特點……當然，看這張圖，是不是覺得很眼熟啊，沒錯，如果看過以前那篇“Python大法好”的文章的同學，發現，R語言怎么和Python的特性這么相似捏？

其實R也有很多自己特性，下面是它最顯著的幾個特性：

1、就是命令模式。Python雖然也支持命令模式，但是相對來說，更偏向于流程控制語句，也就是可以寫一堆語句，然后執行。R本身基本上不需要用到流程控制（當然，它也支持流程控制）。

2、就是交互性。這樣是命令模式的一個特點，敲回車，出結果。但是又不像SPSS那種用鼠標扎針的交互方式（在鍵盤上運指如飛逼格瞬間提升很多……好萊塢大片里面，高手黑客都是不用鼠標的，當然，這樣很合理，SSH或者Telent到遠程服務器上，怎么鼠標？）

3、也是R語言最大的特點，統計學特性……好吧R語言與其他所有計算機語言最大的本質區別，就是它是一門統計學家發明的語言（其他語言，基本上都是碼農發明的，當然，也有數學家發明的），那么就有很多神奇特點。

比如：賦值的時候，不用等號（=），用的是指向（<-），帶來的問題就是要寫a<-5

這種語句，就需要a<(-5)這樣寫。

比如對象下面的屬性，不用點（.），而是用刀樂（$）。當然，點也能用，但是又帶來各種問題，比如R語言的變量命名法則不用遵循匈牙利法則……可以用中文啊有木有：

最反人類（反（程序）猿類）的設計，就是它的數組下標從1開始啊有木有??！所有的程序語言都是從0開始的有木有?。。?/p>

最后就是內存問題：R語言被要求把所有數據都加載到內存里面去進行運行……我賣噶??！現在動輒GB沒事就TB就數據，作死要不要做得這么徹底？（當然，現在Spark也支持R了……這是一個好消息，大家都是內存計算，難兄難弟啊）

最后貼出我Python大法與R大法的對比圖：

詳細指標項如下：

Python程序猿經常說的一句話：別看我們運行慢，但是我們寫得快啊……但是這個對比R就沒優勢了，R的代碼量比Python更少……當然，是比R能夠完成的任務的情況下。

實際上這種對比并沒有太大的意義，比較硬要說R是一種語言，還不如說它更像是一個分析工具，是一個軟件……而Python是一個支持大型軟件工程項目的開發語言（不信，你用R寫個web網站我看看……Python就可以。）

總結

以上就是本文關于Python與R語言的簡要對比的全部內容，希望對大家有所幫助。