Python＆R

今天介绍两种数据挖掘常用的编程语言：Python和R语言。人工智能大潮，各位想入门的小哥哥小姐姐了解一下？

得益于开源的生长土壤，二者都有着丰富的功能包，帮助使用者在各种应用场景下便捷高效地完成任务，而且外部包发布更新频率高，使用新技术必备。那么二者各自有什么特点呢？小编主要从以下几个方面来简单介绍：

01.

优势

Python和R都算是比较成熟的编程语言。Python发明于上世纪九十年代，是一种面向对象的解释型编程语言，最重要的一点，Python很优雅，发展至今，有一句话你应该听说过：“人生苦短我用python”。 为什么这么说呢，因为Python有以下几个特点：

开发效率高

维护成本低

标准库多

代码量少

所以说啊，时间这么宝贵，搬砖节省的时间可以做其他更有趣的事（来呀~快活啊~逃）

（图片来源于网络 侵删）

那么R语言呢？它比Python早出生十年，由S语言演化而来，与其说是编程语言，更多的人把它称之为解释性统计分析软件，软件相对于编程语言有什么特点呢？简单随意好用！R具有很强的互动性，每一行代码都可以执行输出结果到控制台，bug几率低，一切都在你的掌握之中~ 此外，R具有较强的统计分析能力以及数据可视化能力，毕竟是统计学家们更钟爱的编程语言，这方面的包很多，比如mle（极大似然估计）、鼎鼎大名的ggplot2（统计绘图工具）等。

02.

劣势

这两种语言短板呢主要还是在运行速度上，不过对于算法编写来说大多数情况还是可以胜任的，处理大数据的话实在不行还可以上分布式呢，实在实在不行关键代码改成C++可以了吧（手动捂脸）。

特别说一下，通常情况R是单线程的，所以强大的多核CPU并没有卵用，更可怕的是R会把全部数据丢进内存，这在某些情境下成为了一个性能瓶颈，虽然Linux可以把数据装载到磁盘上但是却增加了IO开销（内存和磁盘数据读写），针对R的性能优化办法也有很多（比如可以使用parallel包进行多线程编程），这个我们慢慢来分享啦~

03.

交互

Python和R并不是互相独立无关联的语言，他们可以互相引用对方的代码，比如在R中用户可以通过rPython包运行Python代码，从Python传递或获取数据，调用Python函数或者方法。而在Python中也可以使用RPy2包运行R代码，这提供了一个从Python到R的底层接口。如果你的某个功能模块不想重写，那就直接拿来用吧~

04.

使用

Python的IDLE（集成开发环境）有很多啦，比如PyCharm、IDEA等等，大牛不需要补全提示神马的可以用nodepad++ 、sublime text等纯文本编辑器。R自己的开发环境GNU界面比较简洁，如果追求更多功能的话RStudio是个不错的选择，甚至Eclipse，任君选择。

这里我们给出几个示例代码，让大家对比一下字符串逆序：

== python ==

importtensorflowastf# 我会告诉你这句是乱入的吗

defstrRevers(str):

'''

:paramstr: 输入一个字符串 abc

:return: 输出他的逆序 cba

'''

returnstr[::-1]

if__name__ =='__main__':

print(strRevers("Hello python3!"))

== R ==

paste(rev(unlist(strsplit("Hello R!", NULL))),collapse="")

都是一行KO，python看起来更优雅~

05.

资源

== python ==

官网：https://www.python.org/

找包：https://pypi.python.org/

== R ==

官网：https://www.r-project.org/

找包：https://cran.r-project.org/

下载R以及大神们开发的软件包都在这里啦，直接在包列表里面搜索关键字就能找到想要的包，比如我搜索 tensorflow：

声明：小编认知有限，欢迎拍砖~