为什么你一定要学编程?而且最好是Python编程?编程就是让计算机代码解决某个问题,对某个计算体系规定一定的运算方式。编程语言种类有C语言、Python、C 、Swift、R等等。每个语言都有自身特点,除了Python,其他都是专业程序员专属,用途专业,普通人学习难度系数大。
R语言和Python一块学习会弄混吗？
恰好这两个都学习用过，就谈一下个人的看法，两个语言都是用于大数据处理、分析与挖掘。要说一点都不混，那应该是少数人，我在前期学习的时候也老是弄混了，主要表现在以下几点上：格式，编程的格式上，R语言和Python是有很大的区别，R语言一个花括号，其它你随意，Python得老老实实地按Tab键一般在循环的时候，R语言代码像下面这样的，中间一个花括号，然后写相应的处理逻辑，python是这样的，虽然看起来差不多，但是Python有严格的层级关系，这种层级关系是通过一致的缩进来显示，所以对于同一份代码，缩进是严格控制的，不能一会多一个空格，一会儿少一个空格，那样的话准报错。
字典与数据框，python用的是字典，R用的是数据框，R是更擅长向量运算，python作为编程语言就相对弱一些，不过有相应的模块来支持Python的字典采用的是key-value的形式，通过唯一的key来存储相应的数据R的数据框则更数学化，可以理解成我们数学上学习的二元数组（最简单的），或者直观点的excel表格，可以通过head()函数来查看存储的形式。
学了Python后可以不学R语言吗？Python和R该如何取舍？
R语言是专门做数据分析用的，而Python语言除了做数据分析，还有其他更广的应用。如果真要比较，那么在数据分析统计领域，他两还是有可比性的，你可以进行比较选择。基本上公司的一个数据分析或者统计的部门，大部分工程师只主攻一门语言，要不就是用R，要不就是用python，现在一般很多公司都是两者结合着用的，因为R和python在数据量不一样的时候，各有各的优势，数据量T以上用python，数据量T以下的用R，所以会哪门都可以，因为哪一门语言，公司都会招用。
关于取舍：python是一个编程语言，学习python还可以往工程师方向发展，R语言是用于数据分析统计的，可以成为数据分析师或者科研报告撰写。如果真要做取舍，建议从你的职业规划和发展出发考虑，不用过分在意一个语言谁强大或者弱小，合适的才是最好的。一点建议：如果你是从事数据分析行业的，我建议你可以学习一下R语言，因为不同的公司对分析工具有不同的要求，比如你想去的公司不用python只用R，或者python的招满了，只缺R的工程师，是不是就会很郁闷？其实如果我们会的技能更多，那么在职业的选择上将更有主动权，而就职的主动权在我们往后的职业生涯里是非常关键的，如果你的从业方向不需要运用到R语言的或者可以不运用R语言的话，你可以考虑不学。
学Python发现学一门编程语言很难，有哪些学好编程的方法或技巧？
Python是机器学习语言的一种，机器学习语言还有：R、MATLAB和OCTAVE语言等，其中最流行的是R和Python两种语言，下面重点介绍一下Python语言的特点及学习方法及技巧。一、Python语言的优势选择Python作为实现机器学习算法的编程语言，由于Python具有一下优势：（1）具有清晰的Python语法结构。
容易理解，即使不是编程人员也能理解程序的含义；（2）容易操作纯中文文件；（3）Python的科学工具可以与绘图工具Matplotlib协调工作；（4）使用广泛、存在大量的开发文档。目前科学和金融领域Python语言得到了广泛应用。二、Python语言的缺点Python语言唯一的不足是性能问题：第一、运行速度慢。
Python程序运行的效率不如JAVA或C代码高 但是我们可以使用Python调用C编译的代码。这样我们就可以利用C和Python的优点，改进Python程序性能， 逐步开发机器学习应用程序。第二、代码不能加密。如果发布出去的程序，实际就是分布源代码，这个与C语言不同。三、Python的发展应用方向数据分析、人工智能、Web开发、测试、运维、Wab安全、游戏制作等。
四、学习Python的方法和技巧学习Python和学习其他语言一样，必须只要你掌握了语言下的机器学习库和工具，对于语言本身就不重要了。1、现在一本Python入门书现在的书要从基础操作到高级技术比较全，有案例内容，这样对初学者容易自学和以后的深入学习提高。我感觉《21天学通Python》第二2版编的比较好，内容比较全还有习题及微课。
2、了解机器学习的特征Python作为机器学习的一种语言，我们必须了解机器学习的特征，才能学好Python语言，并能进行实际应用。（1）建立简单的机器学习模型，按照重要性对特征进行排列；（2）根据得到的特征排列，有针对的进行工程，提取特征；（3）重复上述过程，不断的优化自己的模型，找到关键的特征。（4）对模型的参数进行调参，最优化，得到最佳模型组合。
Python在数据分析工作中的地位与R语言、SAS、SPSS比较如何？
在实际的数据分析工作中，Python、R、SAS、SPSS都有一定范围内的人在使用。其中风头最盛的是Python，这个跟现下机器学习、深度学习大行其道有一定关系。R语言，本身是作为统计分析语言诞生的，现下流行的机器学习、深度学习算法在R语言下均能实现，所以在数据分析领域也有比较多的用户。SAS，我所知道的有金融机构在用，尽管收费，但是稳定并且售后支持到位。
感觉R语言比python容易学得多，为什么还有很多人说R语言学起来很难？
因为R语言语法简单（类似于matlab），函数功能强大，所以很容易上手。真正让R无法媲美python的主要有两个原因：1. R的有太多的包（这点和python一样，但是R更多）。但是R做的不好的地方是，很多packages有自己各自的逻辑，并且各不一样，导致R的学习者不仅仅要学R本身，还有学习各个packages背后的一套逻辑，并且需要花时间精力去记住每个package里面命名各异的函数。
这种情况造成了学习者在短时间内无法把从一个package里获得的经验和代码流出迁移到另一个package里，经常会不断地学习新的function，这是为什么R的学习曲线陡峭。而在工业界，比较忌讳这一点。2. R和matlab一样，每个package里面的函数集合了太多的功能（比python的还要集合的多）。
虽然这些函数实现起来很傻瓜，但是无法满足工业界处理大数据的需求（集合的功能太多，一方面造成不必要的资源消耗，另一方面给底层代码优化带来了难度，所以R和matlab的底层优化做的并不好）。因此R，在python没有兴起之前，在美国大学学术界占有统治地位。学术界所需要的data量不大，那些professor很容易用R实现自己的统计分析和可视化报告。
R和Python (numpy scipy pandas) 用于统计学分析，哪个更好？
谢谢邀请，R语言可以说是专用语言，应用领域只是数据分析，而Python是一种通用编程语言，相比来说Python的应用更为广泛，如果你的工作局限于统计分析的话可以选择R语言，如果未来可能往AI、数据科学等其他方向发展的话建议还是学习Python！1.Python应用方向很广泛不过Python仅仅是编程语言，你应该首先还要选择一个发展方向，学习特定方向的Python模块，比如数据分析与挖掘、爬虫工程师、Web开发、自动化运维、自动化测试，甚至人工智能。
Web开发小型是PHP居多，中大型Web应用Java独霸天下Python很难抗衡。自动化测试与运维已经脱离了软件开发主方向，工资与发展的话相比来说没有开发与数据分析好。总体来讲用Python做数据分析甚至人工智能是最好得方向，不过人工智能难度要高，对学历与学校也有要求，建议从数据分析入行，未来向大数据甚至人工智能方向发展是不错的选择，这也是Python语言最有优势的领域。
2.要有数学与统计基础，尤其是统计不过不是科班出身，走人工智能方向要费劲得多，数学与统计要好，计算机相关专业的话应该也学过高数、线性代数、概率统计吧，就看学的怎么样了！3.IT技术发展到现在，编程语言Python是较好的选择。4.Python在数据科学领域是霸主数据岗位发展方向，都是比较新型的职位，数据分析员、数据分析师、数据产品经理、数据总监、首席数据官等等，从数据分析员、初级数据分析师（就是表哥表姐哦）入行，逐步发展！我们选择发展方向要顺势而为，目前人工智能、大数据、数据分析与挖掘无疑是发展方向，选准了深耕下去就行了，不管怎么样Python是非常值得投资的方向，希望能够坚定你的信心，需要更多相关资源可以关注头条号“语凡提”，里面有大量我上课录制的相关视频，涵盖Python/机器学习入门/深度学习入门/PySpark大数据开发/人脸识别项目实战等等。
2020年最受欢迎的10大编程语言,你会哪些?1.C2.Java3.Python4.C 5.C#6.VisualBasic7.JavaScript8.PHP9.R10.SQL。
