《r语言中有哪些取整运算_python和r语言的区别对比_python与r语言哪个好.doc》由会员分享，可在线阅读，更多相关《r语言中有哪些取整运算_python和r语言的区别对比_python与r语言哪个好.doc（4页珍藏版）》请在三一文库上搜索。
1、r语言中有哪些取整运算_python和r语言的区别对比_python与r语言哪个好r语言中有的一些取整运算在编程实现的时候有时会碰到对数值取整的需求，而取整的方式却多种多样，依赖于具体问题，不过在R中已经配备了种类齐全的相关函数。 主要包括以下五种：floor（）：向下取整；ceiling（）： 向上取整；round（）： 四舍五入取整；turnc（）： 向0取整；signif（）： 保留给定位数的精度。python与r语言哪个好总概括：R主要在学术界流行，python（numpy scipy）在工程方便比较实用。R是S（Splus）的开源版本，或者下一代。发源地在新西兰奥克兰。这个软件的统计
2、背景很浓烈。我这里浓烈的意思是，如果你不熟习统计知识（历史）的话，R的帮助文档看起来是很累的。由统计背景的人开发。R的维护组叫CRAN-R。在生物信息方便，有个叫bioconductor的组织，里面有很多生物信息方面可以用的软件包，他们有一套自己维护package系统。Python是个综合语言（这里特指指CPython解释器），numpy scipy是数值计算的扩展包，pandas是主要用来做数据处理（numpy依赖），sympy做符号计算（类似mathemaTIca？）此外还有一些不太成熟的包如sciki learn，staTIsTIcal models。成熟度不如R。但是已经到了可用的水平
3、了。是读计算机的人写的统计包。ipython 更新到1.0以后，功能基本完善，其notebook非常强大（感觉就像mathemaTIca）而且还是基于web，在合作分享方面非常好用。性能：大家都说R慢，特别是CS的人。其实这里主要是两点：一个R里面数组的调用都是用复制的，二是Rscript慢。三是处理大数据慢。如果R用的好的话，R是不太慢的。具体来说就是Rscript用的少，多用命令，跑点小数据。这样的话，实际在跑的都是背后的fortran和C库。他们都有快二三十年历史了。可谓异常可靠，优化得不能再优化了（指单线程，如果去看源代码挥发先许多莫名的常数，永用了以后精度高速度快！）。比如一个自己编
4、写一个R脚本，loop套loop的那种，那真是想死的心都会有。外加一点，R处理文本文件很慢！Python归根揭底还是个有解释器的脚本语言，而且有致命伤GIL，但python最难能可贵的就是它很容易变得更快。比如pypy，cython，或者直接ctypes挂C库。纯python写个原型，然后就开是不断的profiling和加速吧。很轻易可以达到和C一个数量级的速度，但是写程序、调试的时间少了很多。并行计算：R v15 之后有了自带的parallel包，用挺轻松的。不过其实就是不停的fork，或者mpi，内存消耗挺厉害的。parSapply，parApply什么的，真是很好用。Python虽然有G
5、IL并行计算的死敌，但是有multiprocessing（fork依赖） ，是可以共享数据的什么的，估计内存消耗方面比R好点，数据零散的话overhead很多。到了MPI的话，mpi4py还是挺好用的。用cython的话结合openmp可以打破GIL，但是过程中不能调用python的对象。学习曲线：假设什么编程都不会的同学。R一开始还是很容易上手的，查到基本的命令，包，直接print一下就有结果了。但是如果要自己写算法、优化性能的时候，学习难度陡增。Python么，挺好学的，绝大多数的帮助文档都比R好了许多。有些包用起来没R方便。总的来说深入吼R陡。扩展资源：基本上新的统计方法都会有R的pac
6、kage，安装实用都不麻烦。但是基本上都是搞统计的人写的计算机包。所以效能上可能有问好。比较出名的有两个包的管理网站，cran-r 和bioconductor。 所以搞生化的估计R用起来很方便。python的统计计算包们比R少，多很年轻，还在不断的开发中。优于是计算机人写的统计包，用起来的时候要多涨个心眼。画图：R自带的那些工具就挺好用了，然后还有ggplot这种非常优美的得力工具。python 有matplotlib，画出来效果感觉比R自带的好一些些，而且界面基于QT，跨平台支持。可能是R用得多了，pyplot用起来还是不太顺手，觉得其各个组建的统一性不高。IDE：Rstudio非常不错，提
7、供类matlab环境。（用过vim-r-plugin，用过emacs + ess现在用vim。）windows 下有python（x，y） 还有许多商业的工具。（本人现在的emacs环境还不是很顺手）建议：如果只是处理（小）数据的，用R。结果更可靠，速度可以接受，上手方便，多有现成的命令、程序可以用。要自己搞个算法、处理大数据、计算量大的，用python。开发效率高，一切尽在掌握。ps：盲目地用R的包比盲目的地用python的包要更安全。起码R会把你指向一篇论文，而python只是指向一堆代码。R出问题了还有论文作者、审稿人陪葬。python和r语言的区别对比网上有很多关于数据科学到底该用哪个
8、，哪个到底好，谁更有前途的文章，一搜一大把。但我还是要写一下我的观点：分析比较这两种语言到底哪个好，得看你的用途。比如我只需要分析数据，即导入数据，分析数据，可视化，那按理说R语言确实很占优势。如果想在学习工作之外再将编程语言应用的话，毫无疑问python更占优势，有句话是这么说的人生苦短，请用python。单就数据分析对比，我认为R的优势有：1、学习先易后难，不会把小白们吓掉；2、数据科学的包特别多3、可视化特别吊R的缺点也不少：1、R经常更新，更新后经常不支持之前你安装的包；我电脑里安装了10+个R的版本，不停的切换2、R语言的包、函数名起的很随意，看名字不知道是干什么用的，记不起名字如何
9、让小白使用啊。3、R语言社区人少，遇到问题你只能自己解决4、即使有RStudio，写代码还是不方便下面再说下python，优点：1、是一门看的懂的，说人话的语言。库名、函数名都很好理解记忆，而且你看别人写的代码基本知道这代码的意思，不信你试试。2、数据获取占优势，数据分析第一步是数据获取，现在人文社科很多数据需要网上抓取，不过就抓数据而言，python更占优势。各种教程，代码，网上一大片。3、社区人数特别多，基本你遇到的问题都能找到python的缺点：1、学习起来，开头很难，学习曲线与R正好相反。2、公平起见，我还是写上，python的数据分析库不如R多3、可视化不如R最关键的是R的收集数据这方面，网上特别少，搜有关R爬虫的也很少。于是我五月份开始转头学python，而且我是一开始就学python3，坚持选择有前途的版本，坚持。目前我已经可以用python爬数据了。综合下，建议大家学习python，语言通俗易懂，功能强大，越来越简单。