数据挖掘工业界，R和python到底谁用的比较多？
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，stat***odels，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***；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machinelearning领域的人用的较多。据我所知，做marketingresearch,econometrics,statistics的人几乎没有用python的参考自：blog.sina***.cn/s/blog_8813a3ae0101e631
控制方向的硕士想转码，该学习Java开发还是大数据开发？
首先，从学习的角度来说，大数据开发对于学习场景和实践场景的要求都相对比较高，需要的基础知识也相对比较多，如果自学的话，会遇到较多的障碍。
大数据开发有三个基础要求，其一是要熟练掌握一门编程语言，其二是要掌握大数据平台的使用，其三是要具有一定的场景知识。
目前大数据开发比较常用的编程语言包括J***a、Python、Scala、R、Go等，其中J***a和Python的应用会更多一些，这两门编程语言也是典型的全场景编程语言。
大数据平台可以分为两类，一类是开源平台，比如Hadoop、Spark就是典型的代表，这一类平台的优点是开放，对硬件的要求也并不高，所以很多自学者都会从开源平台开始学起。
另一类是商用大数据平台，这一类平台的优点是可用性比较强，对开发人员和运维人员更友好，但是这一类平台自学者往往接触不到，而且对于硬件的要求也相对比较高。
大数据开发一定不能脱离场景，不同的行业场景有不同的需求，所以在进入大数据开发领域之前，往往需要积累一定的行业场景知识，比如金融领域、电子商务领域、出行领域、政务领域等，这些领域都有很多大数据开发的需求。
相对于大数据开发来说，J***a开发对于初学者和非计算机专业的同学会更友好一些，一方面涉及到的知识量没有大数据开发那么多，另一方面J***a开发的场景要求也不高，自学也能够取得较好的学习效果。
在掌握了J***a开发之后，未来也可以进一步向大数据领域[_a***_]，而且这个过程也会相对比较容易。
从就业的角度来看，目前J***a开发的岗位还是比较多的，而且人才需求类型也更加多元化，控制方向的硕士研究生也有机会拿到大厂的offer。
