※ 引述《Sixigma (六西格玛)》之铭言：
: ※ 引述《wheado (principal component QQ)》之铭言：
: : 如题
: : 前面几篇文章有的探讨语言跟语言间的差异
: : 有的探讨语言在不同领域的优势
: : 小弟稍微玩过R
: : 但是似乎不是主流
: : 也没人讨论的样子
: : 有企业在用这个的吗？
有时候,我经常不知道,在这板上发文的十万滥情光嘴炮的肥宅酸民鲁蛇众,
智商到底有没有 90?
R 是被万恶 MS 买下的公司/产品.
别的不讲,你当付钱 MS 当买保险的万亿家企业都是看板装饰用的吗?
这些付钱买保险的企业怎么可能去用没有原厂担保扛责任的东西?
: Python跟R在资料分析这个领域算是各有千秋，
: R的library目前算是胜过Python，也在很多统计理论上有很多支援
: 统计方法在R上是不用说，胜过Python
: 就算是机器学习资料采矿等方法论在R上也非常完备，所以才说R小胜Python
: 资料可视化的部分，也算是五五波
: 但是R终究是在效能上小输Python，因为它不是被设计用于大量数据和精简cost的语言
: 而是大多数设计给数学家统计学家使用的，
: 不像是Python除了资料分析外还被要求去实践很多资工的小东西，
: 资工人最爱的事情就是压榨效能，没有之一
: 所以Python赢R，不ey
要说比较具体的差别,是从使用者的族群来看.
R 主要就是统计用途,它的 module 设计的 style 自然就是任务导向.
某类的工作要用什么模式,什么样的算法,就是 case by case
当用途很具体的时候,这会很简单,你要干啥就找啥来用,觉得不够符合需求就直接改
但是缺点就是不够抽象,因为我不能在别的用途,别的模组中直接把某种算法拿来用.
Python 是科学泛用,所以它把某些东西比如说是算法全部抽出来成独立的模组,
在那个模组你可以找到所有目前有的算法,
不管你想干什么,你就把这东西 import 进去,挑你要用的去用就好.
要改也只要改这地方,大家省折腾.
这是因为使用者的背景不同所产生的差异,有人用,缺点就会被改善,
要是用的人不那么在乎,都不管它去死了,你替他烦恼那么多干嘛?
话说,昨天在干乱七八糟的事时才发现,
Google 最近还搞了个 convert.现在可以直接把 .py convert 成 .go 了...