当前位置：首页 > news >正文

学数据分析/挖掘应该先学Python，还是R语言？

news 来源：原创 2024/5/3 20:35:17

导读：学数据分析/挖掘应该先学哪门语言？大家在选择统计工具时，大多会在R语言、SPSS和SAS三者之间纠结。那为什么一般更爱选R语言呢？本文会给你答案。

作者：木羊同学

来源：华章计算机（ID:hzbook_jsj）

今天聊R语言。R语言的知名度很玄学，介乎于热门首选和无人知晓之间。你对R语言的印象，完全取决于你是谁，你问的是谁以及什么时候问。如果早个两三年，你问“学数据分析/挖掘应该先学哪门语言”，甚至问“学机器学习应该先学哪门语言”，至少有50%的概率会得到“R语言”的回答，而另外50%的概率，我以为你会猜是“Python”，其实更可能是“R语言现在是主流，不过现在Python的发展势头很强劲，通用性更好，建议学Python”。

不过，自从Python让深度学习奶了一口，这几年一飞冲天，在TIOBE排行榜把世界上最好的语言和C++都干翻了，你再问同样的问题，毫无疑问就是满屏幕地怒刷Python。但这不是唯一的答案，即使在Python优势很大的今天，你去问统计学家，回答可能是“工业界偏好Python，但搞研究还是喜欢用R”。

为什么，难道R有什么独特优势？

这就要从R语言究竟是什么说起。总的来说，R语言是一门专业的小众语言。别一看到小众，就觉得是三五个人躲到哪个荒岛上的那种自娱自乐，这里是“专业的小众”，是指一个职业化的专业群体，对，正是上面提到的统计学家。R语言最开始是统计学发明的，给统计学家使用的编程语言。

多说一点统计学。大家对于这个专业的看法这几年一直在变化。十年前，感觉统计学很远，对我这样的程序员来说，统计学就是拿着Excel划拉两下。哪怕后来到了“数据挖掘”“数据淘金”“大数据XX”之类的新词一波接着一波飞的年代，大多数程序员也只是关心底层，说的最多的还是Hadoop和Spark。但再后来一点，机器学习大热，热到什么程度呢，学计算机不学机器学习，四舍五入约等于没有学习。因此，R语言也随之变得大众了一点，这一点可以从TIOBE排行榜看出来，以前R语言都是20名开外，现在基本能稳定前十了，把苹果家的现任当家花旦Swift都甩在了身后。

等一下，感觉怎么像弯腰捡了下橡皮，就从此跟不上剧情了？这不奇怪，因为里面还有一段隐藏剧情。机器学习大家应该都很清楚，但统计学和机器学习的私生关系就不知道是否也一样清楚了。我写过一本机器学习书，叫《机器学习算法的数学解析与Python实现》，读过这本书应该知道，虽然光靠名字怎么也看不出来，但机器学习确实是统计学血缘意义上的亲儿子。我在书里提到一个问题，机器学习的教材一般有两种写法，一种偏数学理论，一种偏编程应用，导致学起来总会有一点撕裂的感觉。后面不展开了，这里要说的是，R语言在统计学界非常热门，而早期出版偏编程应用的机器学习教材，包括经典的那几本，很多都是统计出身的学者写的，所以翻开一看你会发现，选择使用的编程语言就是R语言，究其原因，正是因为R语言是统计学界的母语。

当然了，统计学可不止R语言这一门语言，热门的还有SAS和SPSS。所以，大家在选择统计工具时，大多会在R语言、SPSS和SAS三者之间纠结。那为什么一般更爱选R语言呢，因为R语言有自己独特的两大优势。

第一，专业。统计这个专业很有意思，专业性很强，但同时用途又很广。这就很容易让

人产生误会，隔壁阿猫阿狗整天都说在统计这个统计那个，感觉统计没什么难的。实际上，别看很多软件都自称统计软件，但实际上的差别，可能比海鲜大餐和海鲜大餐口味的泡面还要大。前面说到SPSS，对于非统计专业的人来说，SPSS已经很专业了，但其实SPSS之所以受欢迎，主要还是因为它比较简单，更像是一款办公软件，而非编程语言。所以，一般只对新人推荐用SPSS，真要往深了做专业的事，还得用R语言。

第二，开源免费。玩编程的同学可能感觉这简直是理所当然，但玩统计的感觉应该就大不一样。统计是专业性很强的行业，自然有很多非常专业的统计软件，但这些软件大多有一个共同特点，那就是都是要收钱，而且是要收很多很多很多的钱，开源免费可以说是异端。前面这个SAS就是特别典型的统计软件，强大专业，金融界都爱用它，但这个软件是既不开源又不免费，不但不免费，还轻轻松松就要花个上百万，差不多也只有金融界能用得起它，搞学术研究的穷孩子们自然更偏爱R语言，大概因为这个，R语言无论在TIOBE还是KDnuggets，都把SAS甩了一大截。

另外，有人认为R语言的开源也是一大优势，因为有活跃的开源社区作为强大驱动力，所以R语言的更新升级相比要快，尤其适合尝新。这一点我反倒觉得见仁见智，搞创新研究当然都喜欢新方法，但另一些行业，譬如说和钱打交道的行业，对于统计方法更看重的可能不是新，而是稳，需要经过实践反复检验成熟才敢用。这也是金融界喜欢选择SAS的主要原因。

最后，我们聊一下数据分析，也和Python比一比。Python有很多优点，R语言能做的统计分析和可视化，Python也能做，甚至很多人更推荐用Python做。我自己的日常工作主要就是用Python，觉得Python简直无所不能，常常还能带来惊喜。所以知道R语言以后，我最想了解的问题是，什么情况下应该选择R语言而不是Python呢？

答案还是上面的第一点，专业。数据分析大量使用统计工具，所以，你所使用的统计工具能力有限制，那你数据分析能够达到的水平也会受到限制。我们选择Python，而不是Java或者C++等其他主流的编程语言做数据分析，主要就是因为Python在数据分析方面的支持库能力强大。不过，这个强大也是相对而言的，编程语言也有个生态系统的概念，而R语言在统计方面的生态系统显然要比Python成熟很多，大家最直观的感受，应该是用R语言做可视化要比Python简单。毕竟这么多年，统计方面的课程都是用R语言教的，统计方面的论文都是用R语言做的，在这个方面，从工具资源到人的经验，R语言都要比Python丰富得多。就算Python现在又大红大紫，但对于统计知识丰富、但编程知识匮乏的专业人士来说，转学Python还是容易造成各种不适。

这个话题很有意思，我多说一点。我是亲眼见过统计圈子为“要不要转学Python编程语言做统计分析”交换了意见的，而且是充分地交换了意见。开始我不太理解，要我说干脆两个都学不就行了嘛。后来我才想明白，我是学计算机出身的，关注点在于“编程语言”，而对于学统计出身的同学，关注点则是“统计分析”，所以说的最多的一句话是“有这个时间浪费在学编程语言上，干嘛不多学一点统计分析的方法呢？”。大家计算时间成本的方式完全不同。所以我的看法是，不管这个争论最后结果怎样，R语言在过去、在现在，甚至会在将来的很长一段时间里，在比较统计工具的更多更新更丰富上面，R语言都要胜于Python的。

上面简要介绍了R语言的优点，应该也能解答你对统计工具选择的一些疑虑。不过，我并不喜欢武林大赛式的捧一个踩一个，工具分高下没有意义，合适才是最好的。如果上面说到的这几点正好是你看中的，那R语言应该就是你的首选了。学R语言有一点不同，R语言是专业领域的编程语言，这对于教材的编写要求很高，熟悉编程的作者不太熟统计，熟悉统计的作者又不太熟编程，泛泛而谈不难，但魔鬼都是藏在细节里。这里我推荐《R for Everyone》，机械工业出版社华章公司出版了中文版，叫《R语言：实用数据分析和可视化技术》，从R语言最基本的使用入门，到比较高级的统计工具运用，都介绍得比较清楚，许多初学者容易踩坑的细节都贴心地给出了提醒，R语言在统计方面当然也有很多支持包，这本书不但介绍了这些包，捋出了包的背景，还颇有趣味地提了一笔包开发者之间出现的“军备竞赛”，写得十分用心。

作者简介：

莫凡——新技术深度爱好者，曾经从事信息安全前沿技术跟踪研究和数据分析工作，在各类信息安全类技术期刊杂志发表文章五十余篇，现转为投身高端知识“白菜化”项目，希望能让将更多听起来高大上的名词沾一沾人间烟火，成为日常中生活真正用得上的知识，著有《机器学习算法的数学解析与Python实现》。个人公众号“睡前机器学习”，个人知乎号“木羊”。

RECOMMEND

相关文章：