r和python(numpyscipypandas)用于统计学分析哪个更好？知乎精选.pdfVIP

R 和 Python (numpy scipy pandas) 用于统计学分析， 哪个更 好？ 知乎精选 总的概括： R 主要在学术界流行， python(numpy scipy) 在工程方便比较实用。 R 是 S （Splus）的开源版本，或者下一代。发源地在新西兰 奥克兰。 这个软件的统计背景很浓烈。 我这里浓烈的意思是， 如果你不熟习统计知识（历史）的话， R 的帮助文档看起来 是很累的。由统计背景的人开发。 R 的维护组叫 CRAN-R 。 在生物信息方便，有个叫 bioconductor 的组织，里面有很多 生物信息方面可以用的软件包， 他们有一套自己维护 package 系统。 Python 是个综合语言 （这里特指指 CPython 解释器），numpy scipy 是数值计算的扩展包， pandas 是主要用来做数据处理 （numpy 依赖），sympy 做符号计算（类似 mathematica？） 此外还有一些不太成熟的包如 sciki learn ，statistical models 。 成熟度不如 R 。但是已经到了可用的水平了。是读计算机的 人写的统计包。 ipython 更新到 1.0 以后， 功能基本完善， 其 notebook 非常强大（感觉就像 mathematica)而且还是基于 web ，在合作分享方面非常好用。 性能： 大家都说 R 慢，特别是 CS 的人。其实这里主要是两点：一 个 R 里面数组的调用都是用复制的，二是 Rscript 慢。三是 处理大数据慢。如果 R 用的好的话， R 是不太慢的。具体来 说就是 Rscript 用的少，多用命令，跑点小数据。这样的话， 实际在跑的都是背后的 fortran 和 C 库。他们都有快二三十年 历史了。可谓异常可靠，优化得不能再优化了（指单线程， 如果去看源代码挥发先许多莫名的常数，永用了以后精度高 速度快！）。比如一个自己编写一个 R 脚本， loop 套 loop 的 那种，那真是想死的心都会有。外加一点， R 处理文本文件 很慢！ Python 归根揭底还是个有解释器的脚本语言， 而且有致命伤 —— GIL ，但 python 最难能可贵的就是它很容易变得更快。 比如 pypy ，cython ，或者直接 ctypes 挂 C 库。纯 python 写 个原型，然后就开是不断的 profiling 和加速吧。很轻易可以 达到和 C 一个数量级的速度，但是写程序、调试的时间少了 很多。 并行计算： R v15 之后有了自带的 parallel 包，用挺轻松的。 不过其实就 是不停的 fork ，或者 mpi ，内存消耗挺厉害的。 parSapply， parApply 什么的，真是很好用。 Python 虽然有 GIL ——并行计算的死敌，但是有 multiprocessing(fork 依赖 ) ，是可以共享数据的什么的，估 计内存消耗方面比