Python和R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。
什么是R语言?
R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发(也因此称为R)，现在由“R开发核心团队”负责开发。R基于S语言的一个GNU计划项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。
R的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作，同时有人开发了几种图形用户界面。
R的功能能够通过由用户撰写的包增强。增加的功能有特殊的统计技术、绘图功能，以及编程接口和数据输出/输入功能。这些软件包是由R语言、LaTeX、Java及最常用C语言和Fortran撰写。下载的可执行文件版本会连同一批核心功能的软件包，而根据CRAN纪录有过千种不同的软件包。其中有几款较为常用，例如用于经济计量、财经分析、人文科学研究以及人工智能。
Python与R语言
Python与R语言的共同特点
Python和R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
Python和R两门语言有多平台适应性，linux、window都可以使用，并且代码可移植性强
Python和R比较贴近MATLAB以及minitab等常用的数学工具
Python与R语言的区别
数据结构方面，由于是从科学计算的角度出发，R中的数据结构非常的简单，主要包括向量(一维)、多维数组(二维时为矩阵)、列表(非结构化数据)、数据框(结构化数据)。而 Python 则包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组(可读写、有序)、元组(只读、有序)、集合(唯一、无序)、字典(Key-Value)等等。
Python与R相比速度要快。Python可以直接处理上G的数据;R不行，R分析数据时需要先通过数据库把大数据转化为小数据(通过groupby)才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。欢迎加入大数据学习交流分享群： 658558542 一起吹水交流学习（☛点击即可加入群聊）
Python是一套比较平衡的语言，各方面都可以，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。 而R是在统计方面比较突出。
Python与R语言的应用场景
应用Python的场景
1、网络爬虫与网页抓取
Python 的 beautifulsoup 和 Scrapy 更加成熟、功能更强大，结合django-scrapy我们可以很快的构建一个定制化的爬虫管理系统。
2、内容管理系统
Python 只用 sqlachemy 通过ORM的方式，一个包就解决了多种资料库连接的问题，且在生产环境中广泛使用。基于Django，Python可以快速通过ORM建立资料库、后台管理系统，而R中的 Shiny 的鉴权功能暂时还需要付费使用。
3、API的构建
通过Flask、Tornado等标准的网络处理库，Python也可以快速实现轻量级的API，而R则较为复杂。欢迎加入大数据学习交流分享群： 658558542 一起吹水交流学习（☛点击即可加入群聊）
应用R语言的场景
1、统计分析
尽管 Python 里Scipy、Pandas、statsmodels提供了一系列统计工具 ,R 本身是专门为统计分析应用建立的,所以拥有更多此类工具。
2、互动式面板
R 的 shiny 和 shiny dashboard 可以较快地构建定制可视化页面。速度更快，所需代码更少。
总的来说，Python 的 pandas 借鉴了R的dataframes，R 中的 rvest 则参考了 Python的BeautifulSoup，两种语言在一定程度上存在互补性，通常，我们认为 Python 比 R 在计算机编程、网络爬虫上更有优势，而 R 在统计分析上是一种更高效的独立数据分析工具。所以说，同时学会Python和R这两把刷子才是数据科学的王道。
结语
感谢您的观看，如有不足之处，欢迎批评指正。
如果有对大数据感兴趣的小伙伴或者是从事大数据的老司机可以加群：
658558542 （☛点击即可加入群聊）
里面整理了一大份学习资料，全都是些干货，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，送给每一位大数据小伙伴，这里不止是小白聚集地，还有大牛在线解答！欢迎初学和进阶中的小伙伴一起进群学习交流，共同进步！
最后祝福所有遇到瓶颈的大数据程序员们突破自己，祝福大家在往后的工作与面试中一切顺利。