1樓：阿道克
我是R使用者，用了十來年了吧。我覺得R和Python的問題不是誰取代誰，而是兩者何時融合產生新工具，畢竟兩者一直在取長補短相互借鑑。R不是通用程式語言，而是統計程式語言，這是缺點也是優點。
R很難像Python那樣大流行，但是專業性強也不容易被通用工具取代。反而是Python，如果有了更好用的通用語言，會不會被取代呢？
2樓：李東bbsky
關於這個問題，我在2023年3月份做過乙個調查，並寫了一篇文章，從資料分析的角度上，Python確實擠占了R和Matlab不小的空間。
李東bbsky：Python與R、Matlab的對比
對於沉迷於比較的我來說，2023年調查的對比結果可能過於陳舊，於是我又進行了一番調查。
以下是Kaggle （了解資料分析的童鞋，我就不介紹了）2023年年底做的使用者調查，收到了近2萬份的回覆，從事資料分析相關行業的職業主體最多的是資料科學家、學生、軟體開發工程師（程式設計師肯定首選Python）、市場調查、商業分析、產品經理和資料工程師、統計學家等：
而其中MySQL和PostgresSQL是最流行的關係型資料庫，最流行的AI框架PyTorch, Tensorflow, and Keras全部都是基於Python的，Matplotlib和Seaborn是用得最多的資料視覺化包，怎麼又和Python貼合的比較緊密？50%以上的人使用Jupyter notebook，其次是VS Code和R studio（兩個差不多）。
而這2萬人最經常使用的程式語言是Python，其次是SQL，然後是R，從資料上來看使用Python的人是R的3倍，是Matlab的N倍。而只使用Python的人比只使用R的人要高數倍，也就是說會R的童鞋也會去學Python，會Python的未必會去學R。
從以上資料可以看出，經過了幾年的發展（可以了解一下我之前調查的情況），Python的流行度越發的擠占了R和Matlab的空間了，資料顯示這就是趨勢，不以個人的喜好或者理解而改變。
3樓：George Luo
不可能. R語言是專業的統計語言, 非python所能替代. R的tidy系列包是由Rstudio首席科學家哈德利所開發, 其資料整理方面絕對不會輸於python的pandas包, 並且R的ggplot2畫圖包隨便吊打python的matplotlib.
在機器學習上R擁有tidymodels和mlr3整合庫, 氣勢上也不會輸於python的sklearn庫.
4樓：llanglli
Python 佔據更多份額是趨勢，因為 python 提供了更好的機器學習 API，程式語言的特性也更適應生產環境。但 python 並不能完全取代 matlab 和 R，後兩者各有其優勢，尤其是 R，統計相關前沿演算法實現快，且其風格對偏統計的人而言非常友好，尤其是 tidyverse 系列，非 python 可以輕易取代的。
與其糾結 python 是否會取代它們，不如都掌握，根據需要靈活選擇最適合的工具，總體而言，這幾種語言的風格是非常相似的。
5樓：西瓜之心
能否取代自然是看生態，當一門語言的所有庫被另一門語言實現，並且擁有更好的效能，或者同等效能有更強的易用性，那會被自然取代。不過python再強大，仍然有很多R，Matlab的熟練使用者，他們使用熟練語言能夠更方便地開展工作，做乙個switch對他們沒有好處，但有時間成本，所以即使他們變成小眾語言，永遠會有熟練使用者存在。
6樓：Python與資料探勘
關於程式語言之爭，從未停止過。個人感覺資料分析需要的是在有限時間內，用最可行的方式拿到最有用的結果。因此，不應該侷限於任何單一的程式設計方法，而應該是各取所長，根據個人特點，根據問題的形式而靈活選取或者結合。
這三種語言我都使用過，從MATLAB到R語言，從R語言到Python，我將結合自己在資料分析方面的經歷，說一下我的感受吧！
最近幾年,用R, Python的人越來越多，於是出現了眾多關於用哪個做資料分析比較好的爭議。其實爭議最多的也就是其運算速度、全面性、專業性上。
運算速度
從基本運算速度來說，Python > R。但是要注意，這裡所說的運算速度是「基本計算」。也就是說不涉及引用特殊package，不用特殊資料結構和運算方式（比如R中的向量化運算）的運算。
而這樣的運算比較很大程度上取決於基本程式邏輯的速度，比如for迴圈。R在這點的表現是很差的。基本上會比pyhon慢 3~10倍。
但是，如果你願意多花些心思更好的利用向量化程式設計進行計算，那麼無論從程式的長度來是速度上，都會使R的表現有顯著性提高。總之，在這樣的使用方式下，對大部分運算，R的速度是可以和python接近的，當然，使用者也需要花更多地心思去優化程式。
整體來說，對於對R使用和程式設計有一定深入理解的人來說，不認為R做資料分析的速度會比python差。但是對於簡單粗暴的程式設計方式，python的確更勝一籌。
全面性
無論是對其他語言的呼叫，和資料來源的連線、讀取，對系統的操作，還是正則表達和文書處理，Python都有著明顯優勢。畢竟，python本身是作為一門計算機程式語言出現的，而R本身只是源於統計計算。所以從語言的全面性來說，兩者差異顯著。
專業性
R語言的使用人群主要是一些高校、醫藥的統計學家，新出現的理論很快就被社群開發出相應的庫，以供呼叫。不需要太多底層程式設計，解決了許多非IT人需要面對大量程式設計的困擾，所以適合統計學人群。此外R語言是專門為統計和資料分析開發的語言，各種功能和函式琳琅滿目，成熟穩定是其一大優勢，在這方面Python是無法比擬的
Matlab可以說是我除了C語言外的接觸比較早的語言。給我的感覺是比較笨重，乙個matlab安裝包非常大，因為是付費軟體，很多同學都是在網上查詢怎麼使用破解版。
優勢
科學計算方面工具無比完善，所有的的變數都是矩陣物件，採用矩陣運算而不是迴圈，速度快。
最接近通用語言的科學計算語言，寫個爬蟲、gui非常方便。
支援各種語言的擴充套件python、c、cuda等等
語法簡單
並行實現超級容易，parfor和gpuarray真的實現了out of box，而且gpu工具箱是把整個cuda打包了。
本身就是乙個完善的張量運算系統，實現深度學習框架簡單。
容易破解
劣勢
工具箱太多，慣的程式設計水平降低
嚴格的說是乙個軟體，整個安裝要10~20g，執行核心(類似直譯器)也有幾百m，開發出的程式便攜性差。
物件導向是雞肋
迴圈速度慢
作為一名Python愛好者，我會定期分享一些Python學習技巧、趣味Python、資料分析、資料探勘、爬蟲等內容，感性興趣的可以學習一下。
Python分析了5年的滬指資料，這茬韭菜沒那麼容易被割
Python辦公自動化｜只需三秒，一鍵生成資料分析報告！
乾貨｜手把手教你如何去做乙份商業資料分析報告
Python在資料分析中怎麼用？
Python資料分析 Python日期和時間處理及操作時間序列分類 時間戳 timestamp 特定的時刻 固定週期 period 某月或某年 時間間隔 interval 由起始時間戳和結束時間戳表示datetime，time及calendar模組 datetime 以毫秒形式儲存時間和日期date...
python能做資料分析嗎？
舒拉 結論，可以的，而且是最好用的工具之一。資料分析，這條技術路線，最開始有下面這些，最後面兩個是偏統計和機器學習的模組 一 numpy 二 pandas 三 matplotlib 四 scipy 五 statsmodels 六 scikit learn 波妮說資料分析 可以。py是實現資料分析的工...
Python在資料科學領域能否完全取代R？
llanglli 不會，各有所長，雖然近年 python copy 並進一步強化了 R 的一些長處，例如 ggplot，但除了發揚光大的 pandas，並沒有形成很好的生態，相反，R 在效能瓶頸 視覺化 動態文件等方面一騎絕塵。貼一篇一年多前的舊文，基本論點仍然管用。llanglli 在這個人人擁抱...