為什么在數(shù)據(jù)科學(xué)領(lǐng)域Python比R更好

經(jīng)常有讀者問我們，在數(shù)據(jù)科學(xué)領(lǐng)域里，到底是該選 Python 呢，還是選 R 更好？誠然，對于數(shù)據(jù)科學(xué)家來說，R 和 Python 都很重要。但是對于一個新人數(shù)據(jù)科學(xué)家來說，又該如何取舍呢？同時學(xué)習(xí) Python 和 R 也有些不切實際。作者 Tom Waterman 作為過來人，他是先學(xué)了 R，后來才學(xué)的 Python，他給我們列出了為什么 Python 比 R 更適合數(shù)據(jù)科學(xué)領(lǐng)域的四大理由。InfoQ 中文站翻譯并分享給大家。

我認(rèn)為，在數(shù)據(jù)科學(xué)領(lǐng)域，Python 比 R 更合適的理由主要有四個。

新人數(shù)據(jù)科學(xué)家都面臨著一個問題，而這個問題非常重要：我是應(yīng)該學(xué)習(xí) Python 呢，還是學(xué)習(xí) R？

問得好！這個問題真的非常重要。因為，“男怕入錯行，女怕嫁錯郎”，要知道，學(xué)習(xí)第一門編程語言是需要耗費數(shù)百個小時的。試圖都學(xué)這兩門編程語言是不切實際的，特別是當(dāng)你剛剛開始職業(yè)生涯的時候。

那么，你應(yīng)該做出怎樣的選擇呢？

根據(jù)我的經(jīng)驗，如果你選擇了 Python，我相信，你的職業(yè)生涯將會因此受益良多。

在我看來，對數(shù)據(jù)科學(xué)這一職業(yè)來說，Python 是更好的選擇，尤其是如果你剛剛起步的話。

我將給出四個理由，來說明為什么我認(rèn)為 Python 對你職業(yè)來說是更好的選擇，但我也要澄清一點：我并不認(rèn)為 R 是一個糟糕的選擇。

選擇 R 并不會對你的工作機會產(chǎn)生什么負(fù)面影響，而是要取決于你的團隊，你甚至有可能會被要求學(xué)習(xí) R。事實上，F(xiàn)acebook 將 R 作為內(nèi)部調(diào)查工具的分析組件，而我們所有的數(shù)據(jù)科學(xué)基礎(chǔ)設(shè)施都支持這門語言。

也就是說，我相信，如果你學(xué)習(xí) Python 的話，你將會更快地成為一名實踐數(shù)據(jù)科學(xué)家，而且還能夠更好地在統(tǒng)計建模之外的重要領(lǐng)域為你的團隊做出貢獻(xiàn)。

因此，學(xué)習(xí) Python 將會使你能夠為公司帶來更大的影響力，而你的職業(yè)生涯也將因此碩果累累。

理由一：無論如何，你可能得學(xué)習(xí) Python

大多數(shù)公司要求他們的數(shù)據(jù)科學(xué)家所做的并不僅僅是預(yù)測建模（即機器學(xué)習(xí)）。至少，你可能需要維護(hù)為模型提供數(shù)據(jù)的數(shù)據(jù)管道，而這些數(shù)據(jù)管道很可能就是用 Python 構(gòu)建的。

目前，管道的行業(yè)標(biāo)準(zhǔn)是基于 Python 的 Airflow，而在 Facebook 上，我們使用的內(nèi)部 Python 工具基本上也是相同的。

事實上，據(jù)我估計，在 Facebook，我們的數(shù)據(jù)科學(xué)家 100% 都會在每周使用 Python，而積極使用 R 的人可能只有 10% 左右。

因此，對你來說，如果選擇 Python 的話，可能會更有效率：雖然你一旦找到工作就可以避開 R，但不太可能會繞開 Python。

理由二：Python 更容易學(xué)習(xí)

要知道，成為可雇傭的人所需的時間非常重要，尤其是如果你是在大學(xué)以外的地方自學(xué)的話。

Python 以易學(xué)而聞名。在學(xué)過 Python 和 R 之后（雖然我對 Python 方面更深入），我認(rèn)為，Python 的聲譽是當(dāng)之無愧的。

當(dāng)你開始使用統(tǒng)計建模之外的語言特性時，Python 易學(xué)所帶來的好處尤為明顯。這些特性包括將項目打包用于分發(fā)、開發(fā)命令行界面、使用像 SQLAlchemy 這樣的對象關(guān)系映射（Object-relational mapping，ORM）為數(shù)據(jù)結(jié)構(gòu)建模等等。

若掌握 Python，將使你更容易精通這些特性，你的職業(yè)生涯也將因此受益。

理由三：Python 的社區(qū)更龐大

Python 是世界上最流行的編程語言之一，在 Stack overflow、Kaggle 甚至 Mediun 等網(wǎng)站都有龐大的社區(qū)。

因此，當(dāng)你不可避免地遇到連自己也無法解決的問題時，你更有可能找到那些在你之前遇到過這個問題、尋求過幫助并得到解決方案的人。

這意味著你將花費更少的時間來調(diào)試與系統(tǒng)的兼容性問題，而將更多的時間用于交付可為公司帶來影響的代碼。

理由四：使用 Python 部署模型更容易

最后，在職業(yè)生涯中，你可能會達(dá)到這樣的一個階段：你希望能夠?qū)⒛Ｐ蛯崟r提供給任何一個最終用戶。要解決這個問題，你需要構(gòu)建一個基于 REST 的 Web 應(yīng)用程序，使用 Python 的話，這件事就會變得很容易。

實際上，Python 擁有一些世界上最流行的 Web 應(yīng)用程序框架，即 Django 和 Flask。你公司的內(nèi)部部署工具更有可能就支持這些框架，而且相對來說不太可能會支持 R。

這些框架的流行也意味著它們得到了平臺即服務(wù)提供商（如 Heroku、Amazon Lightsail 等）的良好支持。有了這些框架，你將能夠在線發(fā)布你的個人項目，而所需的工作量僅相當(dāng)于在 R 中部署相同項目所需工作量的一小部分。

最重要的是，如果你足夠幸運，你的公司在自己的產(chǎn)品中已經(jīng)使用了 Python 框架，那么學(xué)習(xí) Python 就意味著你將有足夠的危機感，連接你自己的應(yīng)用內(nèi)跟蹤。若能夠自主為你的模型捕獲更多的特性，將會對你所能夠帶來的影響產(chǎn)生顯著的效果。

當(dāng)然，所有的決策都是需要權(quán)衡取舍的，選擇學(xué)習(xí) Python 而不是 R 也沒有什么不同。盡管我個人認(rèn)為 Python 對數(shù)據(jù)科學(xué)職業(yè)來說是更好的選擇，但 Python 的缺點也同樣值得考慮。

對我來說，Python 最大的缺點就是沒有與 RStudio 相當(dāng)?shù)墓ぞ?。Python 最有可比性的是 Jupyter Notebook，但我個人覺得 RStuduo 更好一些，因為它具有數(shù)據(jù)探索的功能。

作者注： 在寫完本文后，Marcelo Garcia 指出可以使用免費的 Spyder 包作為 RStudio 的 Python 替代方案。但作者還沒有機會嘗試 Spyder，但是看起來很棒！

R 在學(xué)術(shù)界也非常流行，因此，R 中軟件包的文檔更有可能是直接引用學(xué)術(shù)研究。這些文檔對于從事研究“前沿”工作的數(shù)據(jù)科學(xué)家來說非常有用。

但我并不認(rèn)為 RStudio 的缺乏，就能足以否定 Python 的相對優(yōu)勢。而且，在數(shù)據(jù)科學(xué)學(xué)術(shù)界從業(yè)者也少得多，這使得 R 的研究相關(guān)優(yōu)勢對大多數(shù)數(shù)據(jù)科學(xué)家來說不那么重要了。

因此，盡管 R 有很多優(yōu)點，但我相信如果你選擇學(xué)習(xí) Python，你的職業(yè)生涯將會受益匪淺。

最后，我認(rèn)為值得一提的是，我并不認(rèn)為學(xué)習(xí) R 就是個糟糕的選擇，只不過 Python 更可能是你職業(yè)生涯中的一個更好的選擇而已。要根據(jù)你的具體情況，學(xué)習(xí) R 對你來說也有可能更有意義。

不管你選擇學(xué)習(xí)哪種語言，你都不應(yīng)該覺得你永遠(yuǎn)不能改變主意。要知道，所有的編程語言的相似之處可要遠(yuǎn)遠(yuǎn)多于不同之處：學(xué)習(xí)第二門編程語言要比第一門編程語言容易得多。

實際上，我恰恰選擇的就是先學(xué)習(xí) R 的！因此，就算我現(xiàn)在建議將 Python 作為你職業(yè)生涯的更好選擇，但我也很難對 R 發(fā)出太過強烈的警告。