数据挖掘编程语言选择(Python与R的PK）

数据挖掘技术日趋成熟和复杂，随着互联网发展以及大批海量数据的到来，之前传统的依靠spss、SAS等可视化工具实现数据挖掘建模已经越来越不能满足日常需求，依据美国对数据科学家（data scientist）的要求，想成为一名真正的数据科学家，编程实现算法以及编程

数据挖掘技术日趋成熟和复杂，随着互联网发展以及大批海量数据的到来，之前传统的依靠spss、SAS等可视化工具实现数据挖掘建模已经越来越不能满足日常需求，依据美国对数据科学家（data scientist）的要求，想成为一名真正的数据科学家，编程实现算法以及编程实现建模已经是必要条件；目前很多从事数据挖掘工作的人，大多都是出身非计算机专业，本身对编程基础比较低，所以找到一门快速上手而又高效的编程语言是至关重要的，好的工具和编程语言可以起到事半功倍的效果。

目前在数据挖掘算法方面用的最多的编程语言有：Java、C++、C、Python、R等等

由于笔者本身属于数理统计出身，复杂而高级的语言对我来说性价比并不高，所以想从头对Java、C++、C开始学起，浪费的时间和精力与收获明显不成正比。所以Python和R语言成了最佳选择。对于同样和我背景相似的数据从业人员，我强烈推荐从这两者选择其一。

原因有三：
第一：Python和R本身在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法，所以使用起来产出比大；

第二：这两门语言对于平台方面适用性比较广，linux、window都可以使用，并且代码可移植性还算不错的。

第三：对于学数理统计的人来说，应该大多用过MATLAB以及mintab等工具，Python和R比较贴近这些常用的数学工具，使用起来有种亲切感

至于Python和R两者如何选择，本人有点粗浅认识：

这两个工具都很方便，不需要非常高深的编程能力，都适合算法开发，有大量的package供你使用。

Python入门简单，而R则相对比较难一些(纯个人感觉，依据每个人之前的经验，可能不同的体验)。
R做文本挖掘现在还有点弱，当然它的优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能“智能地”帮你适应。这种简单的软件适合想要专注于业务的人。
Python几乎都可以做，函数比R多，比R快。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。

Python适合处理大量数据，而R则在这方面有很多力不从心，当然这么说的前提是对于编程基础比较一般的童鞋，对于大牛来说，多灵活运用矢量化编程的话，R的速度也不会太差。

论性能，Python介于C/C++/Java这些高级语言与R语言之间，虽然性能不及那些高级语言，但是一般日常的数据用Python基本都能实现，对于性能要求不挑剔的人来说，足够了

python 你需要安装numpy，pandas，scipy，cython，statsmodels，matplotlib 等一系列的程序包，还需要安装ipython交互环境，单独用python直接做计量分析统计函数是没有函数支持的；R是基于统计分析的，性能和效率上要略逊于python。R的优势在于统计学和数据计算和分析上要优越于python。

Python语言编程的代码可读性高，整体美观，属于简单粗暴性质的，短时间内少量代码可实现复杂功能；R的语法很奇怪，各种包并不遵守语法规范，导致使用起来经常感觉蛋疼；R程序最终看起来没有Python那么简洁美观。

从全面性方面，我认为Python的确胜过R。无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势。毕竟，python本身是作为一门计算机编程语言出现的，而R本身只是源于统计计算。所以从语言的全面性来说，两者差异显著。

python是machine learning领域的人用的较多。据我所知，做marketing research, econometrics, statistics的人几乎没有用python的
当然了，现在学编程比以前可简单了多了。有句话不是这么说的么，“我不生产代码，我只是stackoverflow的搬运工”。。。
以上仅仅是个人感悟，如表述不当，欢迎指出，拍砖的手下留情哦