事实上，日常用户和数据科学家可以同时利用这两者语言，因为R用户可以在R中通过rPython包来运行R中的Python代码，而Python用户可以通过RPy2库在Python环境中运行R代码。
当我们想要选择一种编程语言进行数据分析时，相信大多数人都会想到R和Python——但是从这两个非常强大、灵活的数据分析语言中二选一是非常困难的。
我承认我还没能从这两个数据科学家喜爱的语言中选出更好的那一个。因此，为了使事情变得有趣，对比一下关于这两种语言的详细信息，并将决策权留给读者。值得一提的是，有多种途径可以了解这两种语言各自的优缺点。
StackOverflow趋势对比
上图显示了自从2008年(StackOverflow成立)以来，这两种语言随着时间的推移而发生的变化。
R和Python在数据科学领域展开激烈竞争，我们来看看他们各自的平台份额，并将2016与2017年进行比较：
接下来我们将从适用场景、数据处理能力、任务、安装难度以及开放工具等方面详细了解这两种语言。
适用场景
R适用于数据分析任务需要独立计算或单个服务器的应用场景。Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。
任务
在进行探索性统计分析时，R胜出。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。
数据处理能力
有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。
Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。
R和Python详细对比
R与Python，数据分析中谁与争锋？
正如本文开头提到的，R和Python之间有很强的关联，并且这两种语言日益普及。很难说哪一种更好，它们两者的整合在数据科学界激起了许多积极和协作的波澜。
事实上，日常用户和数据科学家可以同时利用这两者语言，因为R用户可以在R中通过rPython包来运行R中的Python代码，而Python用户可以通过RPy2库在Python环境中运行R代码。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
1.Python和R语言对比，数据分析与挖掘该选哪一个?
http://www.duozhishidai.com/article-21757-1.html
2.Python工程师与人工智能工程师之间，最根本的区别是什么?
http://www.duozhishidai.com/article-14635-1.html
3.为什么要学习Python，有哪些优缺点，应该如何上手？
http://www.duozhishidai.com/article-1784-1.html
