知乎有人提問，R 和 Python (numpy scipy pandas) 用于統(tǒng)計學分析，哪個更好?

從專業(yè)角度來看，「R在統(tǒng)計分析領域肯定是強于Python的?！?/p>

畢竟R這門語言本身就是為統(tǒng)計而生的，而且是統(tǒng)計學專家在維護R社區(qū)，沉淀了數(shù)理統(tǒng)計領域眾多權威算法、函數(shù)、工具。

同時R的可視化功能也非常強大，很多頂級期刊論文也都用R做分析工具。

R不光比Python在統(tǒng)計上更強大，甚至和SAS、SPSS這些商業(yè)軟件對比也不落下風，而且更靈活。

所以如果你的工作涉及重要的統(tǒng)計工作，建議用R。stackoverflow上有很多R的專業(yè)回答，但R在中文領域資料很少，要學好英文。

R的官方文檔：https://cran.r-project.org/doc/manuals/r-release/R-intro.html

R包學習：https://cran.r-project.org/web/packages/available_packages_by_name.html

R入門書籍：《R語言實戰(zhàn)》、《R語言編程藝術》

但R有兩個缺點，首先語法比較繞，學習路徑很陡峭;

再者應用領域集中在數(shù)理統(tǒng)計、可視化、機器學習上，拓展性稍弱。

而Python完美了解決了這兩個問題，對初學者極其友好，網上有無數(shù)的Python資源。

并且Python出了統(tǒng)計分析，還能做各種各樣的事，web、爬蟲、GUI、自動化、AI等等，幾乎無所不能。

對于統(tǒng)計分析領域，Python目前也有很多解決方案，雖然不及R專業(yè)，但基本上能滿足95%以上的需求。比如說：

Scipy-科學計算庫，包含的功能有最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號處理和圖像處理、常微積分求解等其他科學與過程中常用的計算。

Numpy-數(shù)值計算庫，提供了強大的數(shù)組計算功能，可用來存儲和處理大型矩陣，比Python自身的嵌套列表結構要高效的多，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫。

StatsModels-統(tǒng)計建模庫，提供了包含統(tǒng)計模型、統(tǒng)計測試和統(tǒng)計數(shù)據(jù)挖掘的各種函數(shù)和模塊。

Pandas-數(shù)據(jù)分析庫，基于NumPy的一種工具，為解決數(shù)據(jù)分析任務而生。納入大量庫和一些標準的數(shù)據(jù)模型，提供高效地操作大型數(shù)據(jù)集所需的工具及大量的能快速便捷處理數(shù)據(jù)的函數(shù)和方法。

Sympy-科學計算庫，類似matlab，用一套強大的符號計算體系完成諸如多項式求值、求極限、解方程、求積分、微分方程、級數(shù)展開、矩陣運算等等計算問題。

...

如果你的工作中只是偶爾會用到統(tǒng)計分析，還會兼顧其他數(shù)據(jù)場景，那么建議你用Python，可以囊括你所有的需求。

如果你的工作場景會涉及到大數(shù)據(jù)，那么可以考慮Scala作為補充。

下面是R、Python、Scala三種語言在數(shù)據(jù)分析領域最受歡迎的工具包，供參考：