再見Python！資料分析可以這樣做。-有解無憂

大家好，我是小五🧐

如果你是一位資料分析師，必須學習并掌握結構化查詢語言——SQL，但它主要用于查詢檢索資料，所以往往還需要掌握一門編程語言，

在我的公眾號中，資料分析相關文章似乎都是用Python實作的，實際上，R語言和Python編程在資料分析方法都各有所長，今天這篇文章會通過比較的形式介紹R語言和Python資料分析，

我們進行資料分析，大體圍繞在資料獲取、資料處理（探索）、資料建模以及資料可視化這幾方面，

Python和R的簡介

R是開源和免費的，這一特點讓很多人從 SAS 和 SPSS 等傳統商業統計軟體包轉而學習并使用R^[1]，大多數用戶使用RStudio撰寫和編輯他們的 R 代碼，RStudio是一款用于在 R 中編碼的集成開發環境 (IDE)，

Python是一種面向物件的編程語言，并具有一個全面的標準庫，可以輕松編程許多常見任務，大多數用戶使用PyCharm撰寫和編輯他們的 Python 代碼，PyCharm是由 JetBrains 打造的一款 Python IDE（集成開發環境），

對于資料分析師來說，在Jupyter Notebooks上撰寫和編輯代碼是個不錯的選擇，它是一款非常靈活、可互動和強大的工具，既可以運行Python代碼，也同樣支持R（需安裝IRkernel這個R包），

資料獲取

Python語言支持匯入各種不同格式的資料，包括但不限于Excel、CSV、txt、JSON等等，Python還有pandasql、sqldf等開源模塊，它們可以直接運行SQL來獲取資料庫，

import pandas as pd
df = pd.read_csv("測驗資料.csv")

此外，Python語言不僅可以撰寫爬蟲從網站爬取資料，還可以通過讀取Word、PDF、PPT等常用辦公檔案中讀取資料，

同樣，R語言也允許將資料從 CSV、Excel 和txt匯入 R，R語言中既可以利用sqldf拓展包獲取SQL資料庫中的資料，也支持SPSS/SAS/Matlab等資料集的匯入，

library(readr)
data <- read_csv("測驗資料.csv")

但是在爬蟲方面，R缺少類似于scrapy這類爬蟲框架，只能進行簡單的資料抓取，

資料處理

在資料處理（探索）中，使用Python編程則往往要呼叫Pandas模塊，Pandas在資料處理的功能上非常全面，包括但不限于：資料預覽、資料預處理、資料選取、資料運算、資料排序與排名、資料合并與連接、資料分組與透視表等等，

df.head(10)

R語言可以被用來對大型資料集進行數值和統計分析，資料探索包有：Dplyr、sqldf、data.table、readr、tidyr等，因此也有大量資料分析/科學人員使用 R 進行探索資料，

head(data, 1)

資料建模

Python編程語言具有用于資料建模的標準庫，包括用于數值建模分析的 Numpy 庫、用于科學計算和計算的 SciPy 庫、用于機器學習的 sklearn 庫等等，

from sklearn.decomposition import PCA
ca_2 = PCA(2)
lot_columns = pca_2.fit_transform(good_columns)
lt.scatter(x=plot_columns[:,0], y=plot_columns[:,1], c=labels)
lt.show()

tidyverse是為資料科學設計的R軟體包，它包含(ggplot2、dplyr、tidyr、stringr、magrittr、tibble)等一系列熱門軟體包，學好tidyverse的使用可也讓你站上另一個高度，從而高效的處理資料^[2]，

nba2d <- prcomp(nba[,goodCols], center=TRUE)
woColumns <- nba2d$x[,1:2]
lusplot(twoColumns, labels)

資料可視化

Python在資料可視化方面擁有Matplotlib、Seaborn、Bokeh、plotly等可視化庫，同時也有大量借鑒R的可視化新模塊，

import seaborn as sns
sns.scatterplot(x = 'SepalLengthCm', y = 'SepalWidthCm', hue = 'Species', data = iris)

R語言專注統計分析，可視化生態圈也較為完善，擁有graphics、ggplot2、lattice、plotly等包，尤其在某些生信、科研、航空等領域，R語言的可視化效果要比Python優秀不少，此外在構建可視化平臺方面，Rmarkdown、Rshiny等R包也提供了極大的便利，

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) +
  geom_point() +
  labs(title = "A Nice Iris Dataset Graphic", x = "Sepal Length", y = "Sepal Width") +
  theme_minimal()