Python=R+SQL/Hive？在数据分析与挖掘方面该选哪一个？

什么是R语言？

R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发（也因此称为R），现在由“R开发核心团队”负责开发。R基于S语言的一个GNU计划项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。 R的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。R主要是以命令行操作，同时有人开发了几种图形用户界面。 R的功能能够通过由用户撰写的包增强。增加的功能有特殊的统计技术、绘图功能，以及编程接口和数据输出／输入功能。这些软件包是由R语言、LaTeX、Java及最常用C语言和Fortran撰写。下载的可执行文件版本会连同一批核心功能的软件包，而根据CRAN纪录有过千种不同的软件包。其中有几款较为常用，例如用于经济计量、财经分析、人文科学研究以及人工智能。

Python与R语言的共同特点

• Python和R在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法
• Python和R两门语言有多平台适应性，linux、window都可以使用，并且代码可移植性强
• Python和R比较贴近MATLAB以及mintab等常用的数学工具

Python与R语言的区别

数据结构方面，由于是从科学计算的角度出发，R中的数据结构非常的简单，主要包括向量(一维)、多维数组(二维时为矩阵)、列表(非结构化数据)、数据框(结构化数据)。而 Python 则包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组(可读写、有序)、元组(只读、有序)、集合(唯一、无序)、字典(Key-Value)等等。

Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。

Python是一套比较平衡的语言，各方面都可以，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。 而R是在统计方面比较突出。

Python与R语言的应用场景

应用Python的场景

1、网络爬虫与网页抓取 Python 的 beautifulsoup 和 Scrapy 更加成熟、功能更强大，结合django-scrapy我们可以很快的构建一个定制化的爬虫管理系统。

2、内容管理系统 Python 只用 sqlachemy 通过ORM的方式，一个包就解决了多种资料库连接的问题，且在生产环境中广泛使用。基于Django，Python可以快速通过ORM建立资料库、后台管理系统，而R中的 Shiny 的鉴权功能暂时还需要付费使用。

3、API的构建 通过Flask、Tornado等标准的网络处理库，Python也可以快速实现轻量级的API，而R则较为复杂。

应用R语言的场景

1、统计分析 Scipy、Pandas、statsmodels 提供了一系列统计工具 ，R 本身是专门为统计分析应用建立的，所以拥有如 Scipy、Pandas、statsmodels 等一系列统计工具。

2、互动式面板 R 的 shiny 和 shiny dashboard 可以较快地构建定制可视化页面。速度更快，所需代码更少。

总的来说，Python 的 pandas 借鉴了R的dataframes，R 中的 rvest 则参考了 Python的BeautifulSoup，两种语言在一定程度上存在互补性，通常，我们认为 Python 比 R 在计算机编程、网络爬虫上更有优势，而 R 在统计分析上是一种更高效的独立数据分析工具。所以说，同时学会Python和R这两把刷子才是数据科学的王道。