şükela:  tümü | bugün
  • data analysis alanında en güçlü olan iki programın karşılaştırılması. şahsen olaya python kullanarak başlamama rağmen, bundan sonraki tercihimi r'den (bkz: r programlama dili) yana kullanmayı düşünüyorum.

    yine de;
    (bkz: elma vs armut)
  • sadece * paketiyle r'ın bir adım önde olduğu karşılaştırma.
  • karşılaştırması yapılmayacak dillerdir.

    r, python'a göre daha spesifiktir. python ile daha genel işler de yapabilirsiniz.
    en büyük avantajları ücretsiz olmaları değil, açık kaynak kodlu olmalarıdır. python bu konuda çok daha öndedir barındırdığı kütüphane bakımından.

    ayrıca kurumsallaşmayla programlama dillerinin bir alakası yoktur. programlama dilleri birer araçtır.

    python bugün veri analizinin kitabını yazan firmalarda başı çekiyor mesela:
    (bkz: google)
    (bkz: facebook)
    (bkz: instagram)
    (bkz: youtube)

    ayrıca 2018 şubat ayı tiobe indexine göre python 4. sıradayken, r ise 13. sıradadır. yani python'ın r'ı yakalaması gibi bir durum söz konusu değil, python tokatlamış zaten. (bu da daha genele hitap etmesinden kaynaklı)

    bir de bu dillerden birine başlayacak arkadaşlar bu konuyu işin uzmanlarından öğrensinler, script kiddielerden değil.

    (adam dünyanın en "easy to learn" diline "zor öğreniliyor" demiş. ben daha başımı hangi taşlara vurayım?)
  • aynı işleri yapan kütüphaneleri dahilinde karşılaştırılabilecek olanlardır.

    veri tipleri açısından r pythondan öndedir , veri tipleri arasında dönüşüm işleri pythona göre kat kat kolaydır. pythonda bu iş r'a nazaran daha zordur , söz gelimi numpy.ndarray ile analiz yaparken bu objenizi başka tiplere çevirmeniz gerektiğinde zorlanırsınız.

    ancak pythonu yukarıya taşıyan şirketler deep learning çalışmalarından dolayı pythona ağırlık veriyor.phyton'un deep learning kütüphaneleri , frameworkleri ile r hiç bir şekilde yarışamaz.
  • dur daha c ne anlayamadik bide r mi cikti
    (bkz: yiter gayri)
  • python vs r kapışması için ankete buyrun.
    python vs r
  • (bkz: julia)
  • python dilini günlük hayatımda, projelerde ve prototiplerde rahatlıkla kullanıyorum (pytorch ve opencv delisiyim). son zamanlarda speech recognition kütüphanelerine sarmış bulunmaktayım, sr ile kendi text editörümü yazıyorum. biraz mevzuya ısınıp bunu sql ile bağlayıp daha acayip işlere giriş yapma derdindeyim.

    r dilinin kısmen syntax'ını öğrenip giriş seviyesinde uğraşmışlığım var. istatistik dili olduğunu, gündelik tabloları değerlendirmekte çok rahat olduğunu biliyorum. r dili ile çok fazla karşılaşmadım, lakin programlamaya uzak, uç birimle pek yıldızı barışık olmayan, istatistik ve grafiklerle içli dışlı olan veri analistleri için tavsiye edebilirim. hiç kod yazmak istemeyene de direkt olarak (bkz: weka) diyorum
  • offff calistigim sirketin sas'i terketme karari almasiyla gundeme gelen versus. analiz yonu sas'a benzedigi icin gonlum r'a kaysa da, kompleks finansal modelleme ve automation icin python daha iyi gibi. negzel krallar gibi sas bukerken simdi sifirdan baslicam. mutsuzum sozluk.
  • veri ile uğraşanların son dönemki büyük ikilemi.

    r istatiksel çıktılarınla seni sanki yüzyıldır tanıyorum, sana sığınıp kalasım var.

    python panel veriyi coşturuyorsun, doğru iletişim kurabilirsek bana çok az iş bırakıyorsun.

    r daha hızlı ilerliyoruz seninle ama python farklılığa daha açıksın.

    r doğru istatiksel çıkarımda halen daha net ve başarlısın sanki, python showbusiness senin işin.

    ikinizi de seviyorum, kahrolsun seçme ve seçilme baskısı.