Почему Python — не лучший язык для data science. Часть 2 — Python против R

[kmatveev]

"non-standard evaluation of arguments" лучше перевести как "нестандартное вычисление": есть выражение ("expression"), которое вычисляется ("evaluated") и получается значение ("value")

[economist75]

Хороший разбор. В защиту змей: в Pandas теперь COW, поэтому изменить случайно почти нельзя. Пустоты - да, синглтона не хватает, но 99% используют np.nan и всем привыкли уже. Заражать данные - идея плохая, но и ее в Pandas 3.0 пропихнули. По моему по прежнему паритет.

[dyanishev]

Я вот вторую статью из этой серии читаю уже. И чем больше читаю, тем меньше могу понять, зачем это вообще написано. Смысл сравнивать универсальный скриптовый язык со специализированным статистическим инструментом? Понятно, что в специализированном инструменте какие-то специализированные вещи сделаны изящнее. Но при этом он не умеет много чего другого, что умеет универсальный питон, к которому при желании черта лысого можно подключить в качестве библиотеки.

Ну и сравнения часто выглядят натянутыми. Сначала до передачи объектов по ссылке докопались. Потом в другом примере берется сначала короткий на R, где ничего импортировать не надо. А потом берется код на питоне и там сначала идут строчки импортов библиотек. Естественно, что так код на питоне будет выглядеть более громоздким, но смысловая часть то у них почти одинаковая.

Главное преимущество питона перед чем-то узко специализированным в том, что если мне не нравится pandas, то я вместо нее могу взять polars. А вот если мне что-то не нравится в R, то мне придется взять совершенно другой инструмент.

[economist75]

ТС любит R и грамотно подсвечивает его плюсы. Техно-ревность к любимому инструменту порождает законные попытки заинтересовать в нем другой лагерь и поддержать своих. Это похвально и сделано в статье кмк хорошо, за вычетом правильно подмеченных вами мелочей.

В целом лид-позиции Python выглядят неколебимо, но полезные заимствования нужны и неизбежны. Win-Win, одним словом.