知乎有人提問(wèn)，R 和 Python (numpy scipy pandas) 用于統(tǒng)計(jì)學(xué)分析，哪個(gè)更好?

從專業(yè)角度來(lái)看，「R在統(tǒng)計(jì)分析領(lǐng)域肯定是強(qiáng)于Python的。」

畢竟R這門語(yǔ)言本身就是為統(tǒng)計(jì)而生的，而且是統(tǒng)計(jì)學(xué)專家在維護(hù)R社區(qū)，沉淀了數(shù)理統(tǒng)計(jì)領(lǐng)域眾多權(quán)威算法、函數(shù)、工具。

同時(shí)R的可視化功能也非常強(qiáng)大，很多頂級(jí)期刊論文也都用R做分析工具。

R不光比Python在統(tǒng)計(jì)上更強(qiáng)大，甚至和SAS、SPSS這些商業(yè)軟件對(duì)比也不落下風(fēng)，而且更靈活。

所以如果你的工作涉及重要的統(tǒng)計(jì)工作，建議用R。stackoverflow上有很多R的專業(yè)回答，但R在中文領(lǐng)域資料很少，要學(xué)好英文。

R的官方文檔：https://cran.r-project.org/doc/manuals/r-release/R-intro.html

R包學(xué)習(xí)：https://cran.r-project.org/web/packages/available_packages_by_name.html

R入門書籍：《R語(yǔ)言實(shí)戰(zhàn)》、《R語(yǔ)言編程藝術(shù)》

但R有兩個(gè)缺點(diǎn)，首先語(yǔ)法比較繞，學(xué)習(xí)路徑很陡峭;

再者應(yīng)用領(lǐng)域集中在數(shù)理統(tǒng)計(jì)、可視化、機(jī)器學(xué)習(xí)上，拓展性稍弱。

而Python完美了解決了這兩個(gè)問(wèn)題，對(duì)初學(xué)者極其友好，網(wǎng)上有無(wú)數(shù)的Python資源。

并且Python出了統(tǒng)計(jì)分析，還能做各種各樣的事，web、爬蟲(chóng)、GUI、自動(dòng)化、AI等等，幾乎無(wú)所不能。

對(duì)于統(tǒng)計(jì)分析領(lǐng)域，Python目前也有很多解決方案，雖然不及R專業(yè)，但基本上能滿足95%以上的需求。比如說(shuō)：

Scipy-科學(xué)計(jì)算庫(kù)，包含的功能有最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號(hào)處理和圖像處理、常微積分求解等其他科學(xué)與過(guò)程中常用的計(jì)算。

Numpy-數(shù)值計(jì)算庫(kù)，提供了強(qiáng)大的數(shù)組計(jì)算功能，可用來(lái)存儲(chǔ)和處理大型矩陣，比Python自身的嵌套列表結(jié)構(gòu)要高效的多，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。

StatsModels-統(tǒng)計(jì)建模庫(kù)，提供了包含統(tǒng)計(jì)模型、統(tǒng)計(jì)測(cè)試和統(tǒng)計(jì)數(shù)據(jù)挖掘的各種函數(shù)和模塊。

Pandas-數(shù)據(jù)分析庫(kù)，基于NumPy的一種工具，為解決數(shù)據(jù)分析任務(wù)而生。納入大量庫(kù)和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供高效地操作大型數(shù)據(jù)集所需的工具及大量的能快速便捷處理數(shù)據(jù)的函數(shù)和方法。

Sympy-科學(xué)計(jì)算庫(kù)，類似matlab，用一套強(qiáng)大的符號(hào)計(jì)算體系完成諸如多項(xiàng)式求值、求極限、解方程、求積分、微分方程、級(jí)數(shù)展開(kāi)、矩陣運(yùn)算等等計(jì)算問(wèn)題。

...

如果你的工作中只是偶爾會(huì)用到統(tǒng)計(jì)分析，還會(huì)兼顧其他數(shù)據(jù)場(chǎng)景，那么建議你用Python，可以囊括你所有的需求。

如果你的工作場(chǎng)景會(huì)涉及到大數(shù)據(jù)，那么可以考慮Scala作為補(bǔ)充。

下面是R、Python、Scala三種語(yǔ)言在數(shù)據(jù)分析領(lǐng)域最受歡迎的工具包，供參考：