哪一个使用得更广泛：用于数据分析/机器学习目的的Python或R（而不是统计学）？为什么？

我主要使用R. Python进行了一些可视化和模拟. R对于大多数机器学习分析和统计建模；它往往具有我使用的更多类型的算法.至于大数据，我倾向于比hadoop更喜欢火花.

还有另一个r vs. python问题……人们会选择r上python和至少相同的数字来选择python的原因很多.

例如…软件开发人员，软件工程师和计算机科学家会选择Python，因为它们对他们来说更为自然.这意味着他们将提高生产力.同样，统计学家，数学家，没有软件背景的研究人员更喜欢r，因为他们更容易拿起.

需要一个而不是另一个是一个问题聪明，不挑选一方.如果您在真空中选择一侧，则会自动丢失.而您输的原因很简单，因为对于一个锤子的男人来说，每个问题都是指甲，您会在任何地方看到指甲，忘记螺丝和螺栓等. >关于这个问题的真正有趣的部分既不是R或Python对于数据科学特别出色.实际上，没有语言.在数据科学中使用的每种语言在某些方面都非常好.没有一个很棒.

Python和R都是流行的编程语言，用于数据分析和机器学习目的，并且每个语言都有其自身的优势和劣势.但是，在数据分析和机器学习任务中，Python通常比R更广泛地使用.

有几个原因使Python比R在数据分析和机器学习中更受欢迎.首先，Python是一种比R更通用的语言，它使其更广泛，并且适合除数据分析和机器学习之外的更广泛的任务.这种多功能性使其成为开发人员和数据科学家的流行语言.

其次，python比R的开发人员更大，更活跃的社区.这意味着还有更多Python用户可用的资源，库和工具，这使得开始数据分析和机器学习项目变得更加容易.

第三，由于增长，Python已获得了知名度深度学习，这是一个机器学习的子领域，涉及培训人工神经网络.许多最受欢迎的深度学习框架，例如Tensorflow和Pytorch，都有Python API，这使Python成为了从事深度学习项目的开发人员和研究人员的吸引力.话虽这么说，R在统计学家和研究人员中，特别是在学术界中仍然拥有强大的用户基础. R具有广泛的内置统计功能和包装，使其非常适合统计分析和可视化.为了进行数据分析和机器学习，Python通常由于其多功能性，更大的社区和在深度学习领域的受欢迎程度而被广泛使用.

使用R进行统计分析和原型机器学习模型；使用Python在生产环境中实现机器学习管道.

r仅比Python更好，用于数据分析，因为R在开始时设计用于统计计算，并且具有大量的第三方套件，用于各种统计分析.

r make原型机器学习模型非常简单，因为它整合了用于构建机器学习模型的大多数日常任务，尤其是数据预处理.例如，下面的代码首先应用了几种预处理技术(中心，缩放，盒子Cox转换，PCA和KNN归为缺失值)，然后训练山脊回归模型: