数据挖掘技术日趋成熟和复杂，随着互联网发展以及大批海量数据的到来，之前传统的依靠spss、SAS等可视化工具实现数据挖掘建模已经越来越不能满足日常需求，依据美国对数据科学家（data scientist）的要求，想成为一名真正的数据科学家，编程实现算法以及编程实现建模已经是必要条件；目前很多从事数据挖掘工作的人，大多都是出身非计算机专业，本身对编程基础比较低，所以找到一门快速上手而又高效的编程语言是至关重要的，好的工具和编程语言可以起到事半功倍的效果。
目前在数据挖掘算法方面用的最多的编程语言有：Java、C++、C、Python、R等等
R语言作为统计界第一语言（软件），很多时候与我们号称分析界第一语言的Python老是被人拿起来对比，所以今天专门做了一个表格，简介一下R语言与Python语言的对比情况。
首先还是我Python神图压镇：
首先介绍一下R语言吧：
有个小段子，说为什么要叫R语言呢？就是因为两位创始人的名字，都是以"R"开头的，所以，干脆一拍即合，就叫R语言吧……
R语言有很多的特点……当然，看这张图，是不是觉得很眼熟啊，没错，如果看过以前那篇“Python大法好”的文章的同学，发现，R语言怎么和Python的特性这么相似捏？
其实R也有很多自己特性，下面是它最显著的几个特性：
1、就是命令模式。Python虽然也支持命令模式，但是相对来说，更偏向于流程控制语句，也就是可以写一堆语句，然后执行。R本身基本上不需要用到流程控制（当然，它也支持流程控制）。
2、就是交互性。这样是命令模式的一个特点，敲回车，出结果。但是又不像SPSS那种用鼠标扎针的交互方式（在键盘上运指如飞逼格瞬间提升很多……好莱坞大片里面，高手黑客都是不用鼠标的，当然，这样很合理，SSH或者Telent到远程服务器上，怎么鼠标？）
3、也是R语言最大的特点，统计学特性……好吧R语言与其他所有计算机语言最大的本质区别，就是它是一门统计学家发明的语言（其他语言，基本上都是码农发明的，当然，也有数学家发明的），那么就有很多神奇特点。
比如：赋值的时候，不用等号（=），用的是指向（<-），带来的问题就是要写a<-5
这种语句，就需要a<(-5)这样写。
比如对象下面的属性，不用点（.），而是用刀乐（$）。当然，点也能用，但是又带来各种问题，比如R语言的变量命名法则不用遵循匈牙利法则……可以用中文啊有木有：
最反人类（反（程序）猿类）的设计，就是它的数组下标从1开始啊有木有！！所有的程序语言都是从0开始的有木有啊！！
最后就是内存问题：R语言被要求把所有数据都加载到内存里面去进行运行……我卖噶！！现在动辄GB没事就TB就数据，作死要不要做得这么彻底？（当然，现在Spark也支持R了……这是一个好消息，大家都是内存计算，难兄难弟啊）
最后贴出我Python大法与R大法的对比图：
详细指标项如下：
Python程序猿经常说的一句话：别看我们运行慢，但是我们写得快啊……但是这个对比R就没优势了，R的代码量比Python更少……当然，是比R能够完成的任务的情况下。
实际上这种对比并没有太大的意义，比较硬要说R是一种语言，还不如说它更像是一个分析工具，是一个软件……而Python是一个支持大型软件工程项目的开发语言（不信，你用R写个web网站我看看……Python就可以。）
总结
以上就是本文关于Python与R语言的简要对比的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：
如有不足之处，欢迎留言指出。
