Если вы пришли в мир анализа данных недавно, то наверняка с порога заметили неугасающую между старожилами баталию «Python VS R».
На первый взгляд, у них много общего: два языка с открытым исходным кодом, появившиеся на свет в ранних 90-х и обладающие широкими возможностями для решения задач data science.
Ключевое различие: R был разработан специально для статистического анализа — довольно продолжительное время все аналитики использовали его; Python изначально задумывался как универсальный язык программирования и бешеную популярность среди дата-сайентистов приобрёл только в последние годы.
Разумеется, нет никакого универсального «правильного» языка для начинающих аналитиков: всё зависит от ваших целей, планов и исходных данных. Зато есть несколько вопросов, которые могут помочь лично вам определиться с направлением движения.
На первый взгляд, у них много общего: два языка с открытым исходным кодом, появившиеся на свет в ранних 90-х и обладающие широкими возможностями для решения задач data science.
Ключевое различие: R был разработан специально для статистического анализа — довольно продолжительное время все аналитики использовали его; Python изначально задумывался как универсальный язык программирования и бешеную популярность среди дата-сайентистов приобрёл только в последние годы.
Разумеется, нет никакого универсального «правильного» языка для начинающих аналитиков: всё зависит от ваших целей, планов и исходных данных. Зато есть несколько вопросов, которые могут помочь лично вам определиться с направлением движения.