Комментарии 15
Минус: R сложен в изучении
Кривая обучения языку R нетривиальна, особенно если вы беретесь за статистический анализ, опираясь на графический интерфейс. Даже поиск пакетов может занять много времени, если вам это в новинку.
Мне кажется в Питоне поиск и установка пакетов занимает еще больше времени. Пытался поставить все необходимые ML пакеты, не выдержал, снес обычный Питон и установил дистрибутив от Анаконды. Хотя возможно всему виной моя криворукость.
В R установка пакетов это одна строка (иногда пара строк). Гуглится практически все по запросу "задача r package"
По собственному опыту могу сказать, что R в обучении был проще, с Питоном бодаюсь до сих пор (опять же возможно дело в криворукости).
Голосовать не могу — я за книгу по Питону в ML (по R книг и так много).
Спасибо за статью.
+3
Мне тоже R оказалось выучить проще. Особенно если учесть, что естественные в R операции над весторами в Python сделаны в библиотеке, которую тоже надо изучить.
Читать код на Python мне сложнее, чем хорошо написанный код на R — осмысленные куски кода часто не помещаются на экране, много переменных и время жизни их достаточно велико.
И синтаксис Python не слишком удобен для интерактивной работы (хотя это компенсируется наличием iPython — аналогичные инструменты есть и для R, но там я мог обходиться стандартным REPLом).
Читать код на Python мне сложнее, чем хорошо написанный код на R — осмысленные куски кода часто не помещаются на экране, много переменных и время жизни их достаточно велико.
И синтаксис Python не слишком удобен для интерактивной работы (хотя это компенсируется наличием iPython — аналогичные инструменты есть и для R, но там я мог обходиться стандартным REPLом).
+1
Обратите внимание на книги по Django (фреймворк для Python). Русскоязычных актуальных книг нет в принципе.
0
Сразу скажу, что в данном холиваре я нахожусь на стороне гордых useR'ов, т.к. считаю, что анализ данных (а не программирование) целесообразно изучать и выполнять в языке, который изначально для этих целей создавался, т.е. в R.
Поэтому если вашей задачей является развитие направления обучающей литературы по теме Data Science (а не по программированию), то целесообразнее издавать книги по R. Тем более, если вы сами считаете, что R сложен в изучении (с чем я, кстати, не согласен). Я навскидку знаю только 2 книги по R на русском языке (одна из них переводная), что опять же свидетельствует в пользу издания книг по данному языку.
Вот список достойных, на мой взгляд, книг:
Learning R
R in a Nutshell
R Graphics Cookbook
R Cookbook.
Practical Data Science with R
Поэтому если вашей задачей является развитие направления обучающей литературы по теме Data Science (а не по программированию), то целесообразнее издавать книги по R. Тем более, если вы сами считаете, что R сложен в изучении (с чем я, кстати, не согласен). Я навскидку знаю только 2 книги по R на русском языке (одна из них переводная), что опять же свидетельствует в пользу издания книг по данному языку.
Вот список достойных, на мой взгляд, книг:
Learning R
R in a Nutshell
R Graphics Cookbook
R Cookbook.
Practical Data Science with R
+5
Спасибо, все постараемся рассмотреть
0
Не за что. Все эти книги у меня есть и уже изрядно «замусолены» (даже в PDF), поэтому радею тут я не ради себя =). Я учил/читал их примерно в той последовательности, в которой расположил тут и если бы нужно было выбрать для издания только одну, я бы склонился к R in Nutshell, потому что именно на ней чаще всего заканчивались мои базовые вопросы по работе с языком. Дальше — только StackOverflow.
0
Поэтому рейтинги зачастую искажаются в пользу Python, тогда как зарплаты оказываются существенно выше у специалистов по R.
Вот тут не много не так. R-программисты это в основном специалисты по данным, а питон-программисты в большинстве своём веб-разработчики, тестировщики, etc. Уверен что зарплата специалиста по данным одинаковая на обоих языках.
+1
А почему в списке IDE для Python не указана замечательная PyCharm?
+2
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
R и Python — достойные соперники?