R対 Python – それらの違い
エブリン・クラーク
Rとの主な違い Python
- Rは主に統計分析に使用され、 Python データサイエンスへのより一般的なアプローチを提供します
- Rの主な目的はデータ分析と統計ですが、 Python 展開と生産
- Rユーザーは主に学者や研究開発の専門家で構成されていますが、 Python ユーザーは主にプログラマーと開発者です
- Rは利用可能なライブラリを柔軟に使用できるが、 Python 新しいモデルをゼロから構築する柔軟性を提供します
- Rは最初は習得が難しいですが、 Python 学習は直線的でスムーズです
- Rはローカルで実行できるように統合されており、 Python アプリとうまく統合されている
- Rと Python 巨大なデータベースを処理できる
- RはR Studio IDEで使用できますが、 Python で使用できます Spyder および Ipython ノートブック IDE
- Rはtidyverse、ggplot2、caret、zooなどのさまざまなパッケージとライブラリで構成されていますが、 Python pandas、scipy、scikit-learn、TensorFlow、caretなどのパッケージとライブラリで構成されています
Rと Python どちらも大規模なコミュニティを持つオープンソースのプログラミング言語です。それぞれのカタログには、新しいライブラリやツールが継続的に追加されています。 R 主に統計分析に使用され、 Python データ サイエンスに対するより一般的なアプローチを提供します。
Rと Python データサイエンス向けのプログラミング言語としては最先端のものです。もちろん、両方を学ぶことが理想的な解決策です。Rと Python 時間の投資が必要であり、そのような贅沢は誰もが利用できるわけではない。 Python は、読みやすい構文を持つ汎用言語です。ただし、R は統計学者によって構築されており、統計学者固有の言語を網羅しています。
R
学者や統計学者は、12000 年にわたって R を開発してきました。R は現在、データ分析を実行するための最も充実したエコシステムの XNUMX つです。CRAN (オープンソース リポジトリ) には、約 XNUMX 個のパッケージが用意されています。実行したい分析に適したライブラリを見つけることができます。ライブラリの種類が豊富なため、R は統計分析、特に専門的な分析作業の第一選択肢となっています。
R と他の統計製品との最先端の違いは、出力です。 R には結果を伝えるための素晴らしいツールがあります。 Rstudio にはライブラリ Knitr が付属しています。 このパッケージは Xie Yihui が書きました。 彼はレポートを簡単かつエレガントなものにしました。 調査結果をプレゼンテーションや文書で伝えるのは簡単です。
Python
Python Rとほぼ同じタスクを実行できます: データ処理、エンジニアリング、特徴選択、Webスクレイピングpingアプリなど。 Python 機械学習を大規模に展開および実装するためのツールです。 Python コードは R よりも保守しやすく、堅牢です。数年前; Python データ分析や機械学習のライブラリはあまりありませんでした。最近、 Python 追いつきつつあり、機械学習や人工知能のための最先端のAPIを提供しています。データサイエンスの仕事のほとんどは5つで完了できます。 Python ライブラリ: Numpy、Pandas、Scipy、Scikit-learn、Seaborn。
Python一方、Rよりも再現性とアクセシビリティが容易です。実際、分析結果をアプリケーションやウェブサイトで使用する必要がある場合、 Python 最良の選択です。
人気指数
IEEE スペクトラム ランキングは、ネットワークの人気を定量化する指標です。 プログラミング言語左の列は2017年のランキング、右の列は2016年のランキングです。2017年には、 Python 昨年の6位からXNUMX位に躍り出た。RはXNUMX位th 場所。
就職の機会
下の図は、データサイエンス関連の求人数をプログラミング言語ごとに示したものです。 SQL 大きくリードし、続いて Python and Java. Rランク5th.
長期的な傾向に注目すると、 Python （黄色）とR（青）を見ると、 Python 求人情報では R よりも頻繁に引用されます。
Rによる分析と Python
しかし、データ分析の仕事に目を向けると、R が断然最高のツールです。
切り替えた人の割合
下の図には重要なポイントが XNUMX つあります。
- Python ユーザーはRユーザーよりも忠実である
- Rユーザーのうち、 Python 2倍の大きさです Python Rへ。
Rとの違い Python
| R | Python | |
|---|---|---|
| DevOps Tools Engineer試験のObjective | データ分析と統計 | 導入と運用 |
| プライマリ ユーザー | 学者と研究開発者 | プログラマーと開発者 |
| 柔軟性 | 使いやすい利用可能なライブラリ | 新しいモデルを最初から簡単に構築できます。 つまり、行列の計算と最適化 |
| 学習曲線 | 最初は難しい | リニアでスムーズ |
| プログラミング言語の人気。 変化率 | 4.23中2018％ | 21.69中2018％ |
| 平均給与 | $99.000 | $100.000 |
| 統合 | ローカルで実行 | アプリとうまく統合されている |
| 仕事 | 一次結果が簡単に得られる | 導入に適したアルゴリズム |
| データベースサイズ | 巨大なサイズを扱う | 巨大なサイズを扱う |
| IDE | Rスタジオ | Spyder、Ipython ノートブック |
| 重要なパッケージとライブラリ | tinyverse、ggplot2、キャレット、動物園 | パンダ、scipy、scikit-learn、TensorFlow、キャレット |
| デメリット | 遅く 高い学習曲線 ライブラリ間の依存関係 |
R ほどライブラリは多くありません |
| 優位性 |
|
|
Rまたは Python 使用法
Python 1991 年頃にコンピューターの専門家である Guido van Rossum によって開発されました。 Python 数学、統計、人工知能に関する影響力のあるライブラリがあります。 Python 機械学習の純粋なプレイヤーとして。しかし、 Python 計量経済学とコミュニケーションに関しては、まだ完全に成熟していません。 Python 機械学習の統合と展開には最適なツールですが、ビジネス分析には最適ではありません。
良いニュースは、R は学者と科学者によって開発されたということです。 統計問題、機械学習、データ サイエンスに答えるように設計されています。 R は強力な通信ライブラリを備えているため、データ サイエンスに最適なツールです。 さらに、R には時系列分析、パネル データ、データ マイニングを実行するための多くのパッケージが装備されています。 その上、R に比べて優れたツールはありません。
私たちの意見では、必要な統計的基礎を備えたデータサイエンスの初心者であれば、次の 2 つの質問を自問する必要があります。
- アルゴリズムがどのように機能するかを知りたいですか?
- モデルをデプロイしますか?
両方の質問に「はい」と答えた場合は、おそらく学び始めるでしょう Python まず、 Python 行列を操作したりアルゴリズムをコーディングするための優れたライブラリが含まれています。初心者の場合、モデルをゼロから構築する方法を学習してから、機械学習ライブラリの機能に切り替える方が簡単かもしれません。一方、アルゴリズムをすでに知っている場合や、すぐにデータ分析を開始したい場合は、Rと Python 最初は問題ありません。統計手法に重点を置く場合、R の利点の 1 つです。
第二に、統計以上のことをしたい場合、例えば展開や再現性など、 Python より良い選択です。レポートを書いてダッシュボードを作成する必要がある場合は、R の方が仕事に適しています。
簡単に言えば、Rと Python 近づいてきています。ほとんどの作業は両方の言語で行うことができます。自分のニーズに合ったものだけでなく、同僚が使用しているツールも選ぶとよいでしょう。全員が同じ言語を話せればさらに良いでしょう。最初のプログラミング言語を習得すれば、2 番目の言語を学ぶのは簡単です。
結論
結局、Rか Python に依存します：
- ミッションの目的: 統計分析または展開
- 投資できる時間
- あなたの会社/業界で最もよく使われているツール
