※ 引述《Sixigma (六西格瑪)》之銘言：
: ※ 引述《wheado (principal component QQ)》之銘言：
: : 如題
: : 前面幾篇文章有的探討語言跟語言間的差異
: : 有的探討語言在不同領域的優勢
: : 小弟稍微玩過R
: : 但是似乎不是主流
: : 也沒人討論的樣子
: : 有企業在用這個的嗎？
有時候,我經常不知道,在這板上發文的十萬濫情光嘴炮的肥宅酸民魯蛇眾,
智商到底有沒有 90?
R 是被萬惡 MS 買下的公司/產品.
別的不講,你當付錢 MS 當買保險的萬億家企業都是看板裝飾用的嗎?
這些付錢買保險的企業怎麼可能去用沒有原廠擔保扛責任的東西?
: Python跟R在資料分析這個領域算是各有千秋，
: R的library目前算是勝過Python，也在很多統計理論上有很多支援
: 統計方法在R上是不用說，勝過Python
: 就算是機器學習資料採礦等方法論在R上也非常完備，所以才說R小勝Python
: 資料可視化的部分，也算是五五波
: 但是R終究是在效能上小輸Python，因為它不是被設計用於大量數據和精簡cost的語言
: 而是大多數設計給數學家統計學家使用的，
: 不像是Python除了資料分析外還被要求去實踐很多資工的小東西，
: 資工人最愛的事情就是壓榨效能，沒有之一
: 所以Python贏R，不ey
要說比較具體的差別,是從使用者的族群來看.
R 主要就是統計用途,它的 module 設計的 style 自然就是任務導向.
某類的工作要用什麼模式,什麼樣的演算法,就是 case by case
當用途很具體的時候,這會很簡單,你要幹啥就找啥來用,覺得不夠符合需求就直接改
但是缺點就是不夠抽象,因為我不能在別的用途,別的模組中直接把某種演算法拿來用.
Python 是科學泛用,所以它把某些東西比如說是演算法全部抽出來成獨立的模組,
在那個模組你可以找到所有目前有的演算法,
不管你想幹什麼,你就把這東西 import 進去,挑你要用的去用就好.
要改也只要改這地方,大家省折騰.
這是因為使用者的背景不同所產生的差異,有人用,缺點就會被改善,
要是用的人不那麼在乎,都不管它去死了,你替他煩惱那麼多幹嘛?
話說,昨天在幹亂七八糟的事時才發現,
Google 最近還搞了個 convert.現在可以直接把 .py convert 成 .go 了...