数据科学哪家强？Python和R的对决
Norm Matloff 是加州大學(xué)戴維斯分校的計(jì)算機(jī)科學(xué)教授，他針對數(shù)據(jù)科學(xué)界常年?duì)幷摰囊c(diǎn)，作了一篇關(guān)于 R 和 Python 的對比分析。
在分析開始之前，Matloff 先拋出自己可能帶有的潛在偏見：他寫過 4 本與 R 相關(guān)的書，在 useR! 和其他 R 的會議上做過演講，并且目前擔(dān)任 R 期刊的主編。但同時(shí)他也用 Python 敲過多年代碼。Matloff 希望自己的分析能夠被認(rèn)為是公平且有幫助的。
接著，這位專業(yè)的計(jì)算機(jī)科學(xué)家和統(tǒng)計(jì)學(xué)家從以下幾方面對 R 和 Python 做出了對比：
優(yōu)雅
Python 明顯勝出。
當(dāng)然這是主觀的。但是在不同編程語言的對比之下，Python 大大減少了括號的使用：
if x > y: z = 5 w = 8
vs.
if (x > y)
{
z = 5
w = 8
}
Python 很時(shí)尚！
學(xué)習(xí)曲線
R 在這一場贏得巨大勝利。
作為一名教育工作者，Matloff 對這一點(diǎn)尤其感興趣。
若使用 Python 做數(shù)據(jù)科學(xué)，必須學(xué)習(xí)很多不在基礎(chǔ) Python 中的材料，例如 NumPy、Pandas 和 matplotlib。
相比之下，矩陣類型和基本圖形已經(jīng)內(nèi)置于基礎(chǔ) R，新手可以在幾分鐘內(nèi)完成簡單的數(shù)據(jù)分析。
即使對于精通系統(tǒng)的人來說，Python 庫也很難配置，而大多數(shù) R 軟件包都是開箱即用的。
可用的數(shù)據(jù)科學(xué)庫
R 輕微取勝。
CRAN 擁有超過 14,000 個(gè)包。PyPI 的包則多于 183,000 個(gè)，不過在數(shù)據(jù)科學(xué)方面看起來似乎比較薄弱。
Matloff 舉了一個(gè)例子：他曾經(jīng)需要代碼來快速計(jì)算給定數(shù)據(jù)點(diǎn)的最近相鄰，在 CRAN 中能夠立即找到不止一個(gè)包來執(zhí)行此操作。而在 PyPi 中粗略搜索后空手而歸。
他還指出在 PyPI 中進(jìn)行以下搜索沒有任何結(jié)果：EM 算法；對數(shù)線性模型；泊松回歸；工具變量；空間數(shù)據(jù)；整體錯誤率等等。
“這并不是說這些東西不存在 Python 庫。只是在 PyPI 中不容易找到它們，而在 CRAN 中很容易找到。”
事實(shí)上，R 具有規(guī)范的封裝結(jié)構(gòu)是一個(gè)很大的優(yōu)勢。安裝新軟件包時(shí)，確切地知道會出現(xiàn)什么。類似地，R 的泛型函數(shù)對于 R 來說也是一大的優(yōu)勢。當(dāng)使用新的包時(shí)，人們知道自己可以使用 print ()、plot ()、summary ()等，所有這些都構(gòu)成了包的“通用語言”。
機(jī)器學(xué)習(xí)
Python 略微勝出。
R vs. Python 辯論主要是統(tǒng)計(jì)與 CS 的爭論，由于神經(jīng)網(wǎng)絡(luò)的大多數(shù)研究來自 CS，因此 NN（Neural Network，神經(jīng)網(wǎng)絡(luò)） 的可用軟件主要是 Python。RStudio 在開發(fā) Keras 實(shí)現(xiàn)方面做了一些出色的工作，但目前為止，R 在這個(gè)領(lǐng)域受到限制。
另一方面，隨機(jī)森林研究（random forest research）主要由統(tǒng)計(jì)界進(jìn)行，在這個(gè)領(lǐng)域 R 更具優(yōu)越性。R 還具有優(yōu)異的梯度增強(qiáng)封裝。
這里 Python 略勝一籌，因?yàn)閷芏嗳藖碚f，機(jī)器學(xué)習(xí)就意味著神經(jīng)網(wǎng)絡(luò)。
統(tǒng)計(jì)正確性
R 贏得大勝。
Matloff 表示 “R 是由統(tǒng)計(jì)學(xué)家為統(tǒng)計(jì)學(xué)家編寫的”。他發(fā)現(xiàn)“那些主要使用 Python 進(jìn)行機(jī)器學(xué)習(xí)的人往往對其中的統(tǒng)計(jì)問題缺乏了解，甚至不屑一顧”。
并行計(jì)算
雙方打成平手。
R 和 Python 的基礎(chǔ)版本都不能很好地支持多核計(jì)算。Python 中的線程很適合 I/O，但由于臭名昭著的 Global Interpreter Lock，使用它們進(jìn)行多核計(jì)算是不可能的。Python 的多處理軟件包和 R 的“并行”軟件包都不是好的解決方法。支持集群計(jì)算的外部庫在兩種語言中都 OK。
目前，Python 具有更好的 GPU 接口。
C/C++ 接口和性能增強(qiáng)
R 略勝一籌。
雖然有 SWIG 等工具可以將 Python 連接到 C/C++，但目前沒有像 R 的 Rcpp 那樣強(qiáng)大的功能。Pybind11 軟件包正在開發(fā)中。
此外，R 的新 ALTREP 理念在提高性能和可用性方面具有巨大潛力。
另一方面，Python 的 Cython 和 PyPy 變體在某些情況下可以預(yù)先消除對顯式 C/C++ 接口的需求。確實(shí)有人會說 Cython 是一個(gè) C/C++ 接口。
面向?qū)ο螅幊?/strong>
依然是 R 略勝一籌。
舉例來說，盡管函數(shù)在兩種語言中都可作為對象，但 R 比 Python 更進(jìn)一步。Matloff 說每當(dāng)自己使用 Python 工作時(shí)，都會因?yàn)闊o法直接將函數(shù)輸入到終端或編輯它而感到惱火，但在 R 上就可以這樣做。
Python 只有一個(gè) OOP 范例。在 R 中，可以選擇幾種（S3、S4、R6 等），不過也有些人可能會爭論這是否是一件好事。
R 有神奇的元編程特性（產(chǎn)生代碼的代碼），但是大多數(shù) CS 人都沒有意識到它。
語言統(tǒng)一性
R 慘敗。
Python 目前正在從 2.7 版過渡到 3.x 版，這會導(dǎo)致一些中斷，但不至于太復(fù)雜。
相比之下，R 正迅速轉(zhuǎn)變?yōu)閮煞N相互無法理解的語言，即普通的 R 和 Tidyverse。作為一名經(jīng)驗(yàn)豐富的 R 程序員，Matloff 表示自己無法閱讀 Tidy 代碼，因?yàn)樗{(diào)用了許多他不知道的 Tidyverse 函數(shù)。也有網(wǎng)友評論說“人們可以在對 R 沒什么了解的情況下，在 Tidyverse 中進(jìn)行編碼”。
關(guān)聯(lián)的數(shù)據(jù)結(jié)構(gòu)
Python 獲勝。
經(jīng)典計(jì)算機(jī)科學(xué)數(shù)據(jù)結(jié)構(gòu)，例如二叉樹，很容易在 Python 中實(shí)現(xiàn)。它不是基礎(chǔ) R 的一部分，但可以以各種方式完成，例如數(shù)據(jù)結(jié)構(gòu)包，它包含了使用廣泛的 Boost C++ 庫。
在線幫助
R 大獲勝。
首先，R 的基本 help () 函數(shù)比 Python 的信息量大得多。它很好地補(bǔ)充了 example ()。最重要的是，在 R 包中能夠編寫 vignette（通過函數(shù) vignette () 返回，一般是 PDF 格式的實(shí)用介紹性文章）使 R 在這方面成為了一個(gè)不折不扣的贏家。
R/Python 互操作性
RStudio 開發(fā)的 reticulate 包能夠在 R 上運(yùn)行 Python，可以作為 Python 和 R 之間的橋梁，適用于純計(jì)算。 但它并沒有解決 Python 中出現(xiàn)的棘手問題，例如虛擬環(huán)境等。
目前，Matloff 不建議編寫混合的 Python/R 代碼。
分析了這么多，最后當(dāng)然還是要根據(jù)實(shí)際需求來進(jìn)行選擇，畢竟語言之間沒有孰優(yōu)孰劣。
總結(jié)
以上是生活随笔為你收集整理的数据科学哪家强？Python和R的对决的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 人工智能公司DeepMind去年亏损5.
- 下一篇： 科学家首次远距传输三维量子比特