为什么在数据科学领域Python比R更好

经常有读者问我们，在数据科学领域里，到底是该选 Python 呢，还是选 R 更好？诚然，对于数据科学家来说，R 和 Python 都很重要。但是对于一个新人数据科学家来说，又该如何取舍呢？同时学习 Python 和 R 也有些不切实际。作者 Tom Waterman 作为过来人，他是先学了 R，后来才学的 Python，他给我们列出了为什么 Python 比 R 更适合数据科学领域的四大理由。InfoQ 中文站翻译并分享给大家。

我认为，在数据科学领域，Python 比 R 更合适的理由主要有四个。

新人数据科学家都面临着一个问题，而这个问题非常重要：我是应该学习 Python 呢，还是学习 R？

问得好！这个问题真的非常重要。因为，“男怕入错行，女怕嫁错郎”，要知道，学习第一门编程语言是需要耗费数百个小时的。试图都学这两门编程语言是不切实际的，特别是当你刚刚开始职业生涯的时候。

那么，你应该做出怎样的选择呢？

根据我的经验，如果你选择了 Python，我相信，你的职业生涯将会因此受益良多。

在我看来，对数据科学这一职业来说，Python 是更好的选择，尤其是如果你刚刚起步的话。

我将给出四个理由，来说明为什么我认为 Python 对你职业来说是更好的选择，但我也要澄清一点：我并不认为 R 是一个糟糕的选择。

选择 R 并不会对你的工作机会产生什么负面影响，而是要取决于你的团队，你甚至有可能会被要求学习 R。事实上，Facebook 将 R 作为内部调查工具的分析组件，而我们所有的数据科学基础设施都支持这门语言。

也就是说，我相信，如果你学习 Python 的话，你将会更快地成为一名实践数据科学家，而且还能够更好地在统计建模之外的重要领域为你的团队做出贡献。

因此，学习 Python 将会使你能够为公司带来更大的影响力，而你的职业生涯也将因此硕果累累。

理由一：无论如何，你可能得学习 Python

大多数公司要求他们的数据科学家所做的并不仅仅是预测建模（即机器学习）。至少，你可能需要维护为模型提供数据的数据管道，而这些数据管道很可能就是用 Python 构建的。

目前，管道的行业标准是基于 Python 的 Airflow，而在 Facebook 上，我们使用的内部 Python 工具基本上也是相同的。

事实上，据我估计，在 Facebook，我们的数据科学家 100% 都会在每周使用 Python，而积极使用 R 的人可能只有 10% 左右。

因此，对你来说，如果选择 Python 的话，可能会更有效率：虽然你一旦找到工作就可以避开 R，但不太可能会绕开 Python。

理由二：Python 更容易学习

要知道，成为可雇佣的人所需的时间非常重要，尤其是如果你是在大学以外的地方自学的话。

Python 以易学而闻名。在学过 Python 和 R 之后（虽然我对 Python 方面更深入），我认为，Python 的声誉是当之无愧的。

当你开始使用统计建模之外的语言特性时，Python 易学所带来的好处尤为明显。这些特性包括将项目打包用于分发、开发命令行界面、使用像 SQLAlchemy 这样的对象关系映射（Object-relational mapping，ORM）为数据结构建模等等。

若掌握 Python，将使你更容易精通这些特性，你的职业生涯也将因此受益。

理由三：Python 的社区更庞大

Python 是世界上最流行的编程语言之一，在 Stack overflow、Kaggle 甚至 Mediun 等网站都有庞大的社区。

因此，当你不可避免地遇到连自己也无法解决的问题时，你更有可能找到那些在你之前遇到过这个问题、寻求过帮助并得到解决方案的人。

这意味着你将花费更少的时间来调试与系统的兼容性问题，而将更多的时间用于交付可为公司带来影响的代码。

理由四：使用 Python 部署模型更容易

最后，在职业生涯中，你可能会达到这样的一个阶段：你希望能够将模型实时提供给任何一个最终用户。要解决这个问题，你需要构建一个基于 REST 的 Web 应用程序，使用 Python 的话，这件事就会变得很容易。

实际上，Python 拥有一些世界上最流行的 Web 应用程序框架，即 Django 和 Flask。你公司的内部部署工具更有可能就支持这些框架，而且相对来说不太可能会支持 R。

这些框架的流行也意味着它们得到了平台即服务提供商（如 Heroku、Amazon Lightsail 等）的良好支持。有了这些框架，你将能够在线发布你的个人项目，而所需的工作量仅相当于在 R 中部署相同项目所需工作量的一小部分。

最重要的是，如果你足够幸运，你的公司在自己的产品中已经使用了 Python 框架，那么学习 Python 就意味着你将有足够的危机感，连接你自己的应用内跟踪。若能够自主为你的模型捕获更多的特性，将会对你所能够带来的影响产生显著的效果。

当然，所有的决策都是需要权衡取舍的，选择学习 Python 而不是 R 也没有什么不同。尽管我个人认为 Python 对数据科学职业来说是更好的选择，但 Python 的缺点也同样值得考虑。

对我来说，Python 最大的缺点就是没有与 RStudio 相当的工具。Python 最有可比性的是 Jupyter Notebook，但我个人觉得 RStuduo 更好一些，因为它具有数据探索的功能。

作者注： 在写完本文后，Marcelo Garcia 指出可以使用免费的 Spyder 包作为 RStudio 的 Python 替代方案。但作者还没有机会尝试 Spyder，但是看起来很棒！

R 在学术界也非常流行，因此，R 中软件包的文档更有可能是直接引用学术研究。这些文档对于从事研究“前沿”工作的数据科学家来说非常有用。

但我并不认为 RStudio 的缺乏，就能足以否定 Python 的相对优势。而且，在数据科学学术界从业者也少得多，这使得 R 的研究相关优势对大多数数据科学家来说不那么重要了。

因此，尽管 R 有很多优点，但我相信如果你选择学习 Python，你的职业生涯将会受益匪浅。

最后，我认为值得一提的是，我并不认为学习 R 就是个糟糕的选择，只不过 Python 更可能是你职业生涯中的一个更好的选择而已。要根据你的具体情况，学习 R 对你来说也有可能更有意义。

不管你选择学习哪种语言，你都不应该觉得你永远不能改变主意。要知道，所有的编程语言的相似之处可要远远多于不同之处：学习第二门编程语言要比第一门编程语言容易得多。

实际上，我恰恰选择的就是先学习 R 的！因此，就算我现在建议将 Python 作为你职业生涯的更好选择，但我也很难对 R 发出太过强烈的警告。