A. python中r'什麼意思

這個是表示不轉義，使用真實字元
比如如下代碼：
s = r'test\tddd'
s2 = 'test\tddd'
print(s)
print(s2)
輸出結果是：
test\tddd
test ddd
其中s裡面的\t就是使用專真實字元\t，而不是轉義為制屬表符

B. r和python數據分析的區別有哪些

什麼是R語言？

R語言，一種自由軟體編程語言與操作環境，主要用於統計分析、繪圖、數據挖掘。R本來是由來自紐西蘭奧克蘭大學的羅斯·伊哈卡和羅伯特·傑特曼開發(也因此稱為R)，現在由「R開發核心團隊」負責開發。R基於S語言的一個GNU計劃項目，所以也可以當作S語言的一種實現，通常用S語言編寫的代碼都可以不作修改的在R環境下運行。R的語法是來自Scheme。

R的源代碼可自由下載使用，亦有已編譯的可執行文件版本可以下載，可在多種平台下運行，包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作，同時有人開發了幾種圖形用戶界面。

相關推薦：《Python教程》

R的功能能夠通過由用戶撰寫的包增強。增加的功能有特殊的統計技術、繪圖功能，以及編程介面和數據輸出/輸入功能。這些軟體包是由R語言、LaTeX、Java及最常用C語言和Fortran撰寫。下載的可執行文件版本會連同一批核心功能的軟體包，而根據CRAN紀錄有過千種不同的軟體包。其中有幾款較為常用，例如用於經濟計量、財經分析、人文科學研究以及人工智慧。

Python與R語言的共同特點

Python和R在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法。

Python和R兩門語言有多平台適應性，linux、window都可以使用，並且代碼可移植性強。

Python和R比較貼近MATLAB以及minitab等常用的數學工具。

Python與R語言的區別

數據結構方面，由於是從科學計算的角度出發，R中的數據結構非常的簡單，主要包括向量(一維)、多維數組(二維時為矩陣)、列表(非結構化數據)、數據框(結構化數據)。而Python則包含更豐富的數據結構來實現數據更精準的訪問和內存控制，多維數組(可讀寫、有序)、元組(只讀、有序)、集合(唯一、無序)、字典(Key-Value)等等。

Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據(通過groupby)才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。

Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。 而R是在統計方面比較突出。

Python的pandas借鑒了R的dataframes，R中的rvest則參考了Python的BeautifulSoup，兩種語言在一定程度上存在互補性，通常，我們認為Python比R在計算機編程、網路爬蟲上更有優勢，而R在統計分析上是一種更高效的獨立數據分析工具。所以說，同時學會Python和R這兩把刷子才是數據科學的王道。

C. python 和 r 的區別 知乎

有人說Python和R的區別是顯而易見的，因為R是針對統計的，python是給程序員設計的，其實這話對Python多多少少有些不公平。2012年的時候我們說R是學術界的主流，但是現在Python正在慢慢取代R在學術界的地位。不知道是不是因為大數據時代的到來。

Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。所以有人說：Python=R+SQL/Hive，並不是沒有道理的。

Python的一個最明顯的優勢在於其膠水語言的特性，很多書里也都會提到這一點，一些底層用C寫的演算法封裝在Python包里後性能非常高效(Python的數據挖掘包Orange canve 中的決策樹分析50萬用戶10秒出結果，用R幾個小時也出不來，8G內存全部占滿)。但是，凡事都不絕對，如果R矢量化編程做得好的話（有點小難度），會使R的速度和程序的長度都有顯著性提升。

R的優勢在於有包羅萬象的統計函數可以調用，特別是在時間序列分析方面，無論是經典還是前沿的方法都有相應的包直接使用。
相比之下，Python之前在這方面貧乏不少。但是，現在Python有了pandas。pandas提供了一組標準的時間序列處理工具和數據演算法。因此，你可以高效處理非常大的時間序列，輕松地進行切片/切塊、聚合、對定期/不定期的時間序列進行重采樣等。可能你已經猜到了，這些工具中大部分都對金融和經濟數據尤為有用，但你當然也可以用它們來分析伺服器日誌數據。於是，近年來，由於Python有不斷改良的庫（主要是pandas），使其成為數據處理任務的一大替代方案。

做過幾個實驗：
1. 用python實現了一個統計方法，其中用到了ctypes，multiprocess。
之後一個項目要做方法比較，又用回R，發現一些bioconctor上的包已經默認用parallel了。（但那個包還是很慢，一下子把所有線程都用掉了，導致整個電腦使用不能，看網頁非常卡~）
2. 用python pandas做了一些數據整理工作，類似資料庫，兩三個表來回查、匹配。感覺還是很方便的。雖然這些工作R也能做，但估計會慢點，畢竟幾十萬行的條目了。
3. 用python matplotlib畫圖。pyplot作圖的方式和R差異很大，R是一條命令畫點東西，pylot是准備好了以後一起出來。pyplot的顏色選擇有點尷尬，默認顏色比較少，之後可用html的顏色，但是名字太長了~。pyplot 的legend比R 好用多了，算是半自動化了。pyplot畫出來後可以自由拉升縮放，然後再保存為圖片，這點比R好用。

總的來說Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。 而R是在統計方面比較突出。但是數據分析其實不僅僅是統計，前期的數據收集，數據處理，數據抽樣，數據聚類，以及比較復雜的數據挖掘演算法，數據建模等等這些任務，只要是100M以上的數據，R都很難勝任，但是Python卻基本勝任。

結合其在通用編程方面的強大實力，我們完全可以只使用Python這一種語言去構建以數據為中心的應用程序。
但世上本沒有最好的軟體或程序，也鮮有人能把單一語言挖掘運用到極致。尤其是很多人早先學了R，現在完全不用又捨不得，所以對於想要學以致用的人來說，如果能把R和Python相結合，就更好不過了，很早看過一篇文章——讓R與Python共舞，咱們壇子里有原帖，就不多說了，看完會有更多啟發。

BTW： 如果之前沒有學過R，可以先學Python然後決定是不是學R，如果學了R，學Python的時候會更快上手。

D. python字元串前綴 u和r的區別

你好！
在python2裡面，u表示unicode
string，類型是unicode,
沒有u表示byte
string，類型是
str。
在python3裡面，所有字元串都是unicode
string,
u前綴沒有特殊含義了。
r都表示raw
string.
與特殊字元的escape規則有關，一般用在正則表達式裡面。
r和u可以搭配使用，例如ur"abc"。
如有疑問，請追問。

E. Python語言與R語言區別

數據結構方來面，由於是從科學計源算的角度出發，R中的數據結構非常的簡單，主要包括向量(一維)、多維數組(二維時為矩陣)、列表(非結構化數據)、數據框(結構化數據)。而
Python
則包含更豐富的數據結構來實現數據更精準的訪問和內存控制，多維數組(可讀寫、有序)、元組(只讀、有序)、集合(一、無序)、字典(Key-Value)等等。Python與R相比速度要快。Python可以直接處理上G的數據;R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據(通過groupby)才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。
而R是在統計方面比較突出。Python與R語言的應用場景應用Python的場景

F. python字元串前綴 u和r的區別是什麼

以r或R開頭的python中的字元串表示（非轉義的）原始字元串

python裡面的字元，如果開頭處有個r，比如：

(r』^time/plus/d{1,2}/$』, hours_ahead)

說明字元串r"XXX"中的XXX是普通字元。有普通字元相比，其他相對特殊的字元，其中可能包含轉義字元，即那些，反斜杠加上對應字母，表示對應的特殊含義的，比如最常見的」 "表示換行，" "表示Tab等。

而如果是以r開頭，那麼說明後面的字元，都是普通的字元了，即如果是「 」那麼表示一個反斜杠字元，一個字母n，而不是表示換行了。以r開頭的字元，常用於正則表達式，對應著re模塊。

以u或U開頭的字元串表示unicode字元串

Unicode是書寫國際文本的標准方法。如果你想要用非英語寫文本,那麼你需要有一個支持Unicode的編輯器。類似地,Python允許你處理Unicode文本——你只需要在字元串前加上前綴u或U。

G. python和r語言的區別是什麼

在從事數據分析行業中，我們都會從R與Python當中進行選擇，但是，從這兩個異常強大、靈活好用的數據分析語中選擇，卻是非常難以選擇的。

為了讓大家能選擇出更適合自己的語言，我們將兩種語言進行簡單的對比。

Stack Overflow趨勢對比

相關推薦：《Python視頻教程》

上圖顯示了自從2008年(Stack Overflow 成立)以來，這兩種語言隨著時間的推移而發生的變化。

R和Python在數據科學領域展開激烈競爭，我們來看看他們各自的平台份額，並將2016與2017年進行比較：

我們再從適用場景、任務、數據處理能力、開放環境來分析：

適用場景

R適用於數據分析任務需要獨立計算或單個伺服器的應用場景。Python作為一種粘合劑語言，在數據分析任務中需要與Web應用程序集成或者當一條統計代碼需要插入到生產資料庫中時，使用Python更好。

任務

在進行探索性統計分析時，R勝出。它非常適合初學者，統計模型僅需幾行代碼即可實現。Python作為一個完整而強大的編程語言，是部署用於生產使用的演算法的有力工具。

數據處理能力

有了大量針對專業程序員以及非專業程序員的軟體包和庫的支持，不管是執行統計測試還是創建機器學習模型，R語言都得心應手。

Python最初在數據分析方面不是特別擅長，但隨著NumPy、Pandas以及其他擴展庫的推出，它已經逐漸在數據分析領域獲得了廣泛的應用。

開發環境

對於R語言，需要使用R Studio。對於Python，有很多Python IDE可供選擇，其中Spyder和IPython Notebook是最受歡迎的。

R 和 Python 詳細對比

R和Python之間有很強的關聯，並且這兩種語言日益普及，很難說選對其一，事實上日常用戶和數據科學家可以同時利用這兩種語言。

H. Python中文件編輯下r和r+有什麼區別 還有w和w+

r是只讀不寫，w是只寫不讀
r+，w+大同小異，都是可讀可寫。
區別是r+讀寫不存在的文件會報錯，w+在文件不存在的情況下會自動創建文件。

I. Python和R語言的區別

Python和R語言的區別
數據挖掘技術日趨成熟和復雜，隨著互聯網發展以及大批海量數據的到來，之前傳統的依靠spss、SAS等可視化工具實現數據挖掘建模已經越來越不能滿足日常需求，依據美國對數據科學家（datascientist）的要求，想成為一名真正的數據科學家，編程實現演算法以及編程實現建模已經是必要條件；目前很多從事數據挖掘工作的人，大多都是出身非計算機專業，本身對編程基礎比較低，所以找到一門快速上手而又高效的編程語言是至關重要的，好的工具和編程語言可以起到事半功倍的效果。
目前在數據挖掘演算法方面用的最多的編程語言有：Java、C++、C、Python、R等等
由於筆者本身屬於數理統計出身，復雜而高級的語言對我來說性價比並不高，所以想從頭對Java、C++、C開始學起，浪費的時間和精力與收獲明顯不成正比。所以Python和R語言成了最佳選擇。對於同樣和我背景相似的數據從業人員，我強烈推薦從這兩者選擇其一。
原因有三：
第一：Python和R本身在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法，所以使用起來產出比大；
第二：這兩門語言對於平台方面適用性比較廣，linux、window都可以使用，並且代碼可移植性還算不錯的。
第三：對於學數理統計的人來說，應該大多用過MATLAB以及mintab等工具，Python和R比較貼近這些常用的數學工具，使用起來有種親切感
至於Python和R兩者如何選擇，本人有點粗淺認識：
這兩個工具都很方便，不需要非常高深的編程能力，都適合演算法開發，有大量的package供你使用。
Python入門簡單，而R則相對比較難一些(純個人感覺，依據每個人之前的經驗，可能不同的體驗)。
R做文本挖掘現在還有點弱，當然它的優點在於函數都給你寫好了，你只需要知道參數的形式就行了，有時候即使參數形式不對，R也能「智能地」幫你適應。這種簡單的軟體適合想要專注於業務的人。
Python幾乎都可以做，函數比R多，比R快。它是一門語言，R更像是一種軟體，所以python更能開發出flexible的演算法。
Python適合處理大量數據，而R則在這方面有很多力不從心，當然這么說的前提是對於編程基礎比較一般的童鞋，對於大牛來說，多靈活運用矢量化編程的話，R的速度也不會太差。
論性能，Python介於C/C++/Java這些高級語言與R語言之間，雖然性能不及那些高級語言，但是一般日常的數據用Python基本都能實現，對於性能要求不挑剔的人來說，足夠了
python 你需要安裝numpy，pandas，scipy，cython，statsmodels，matplotlib 等一系列的程序包，還需要安裝ipython交互環境，單獨用python直接做計量分析統計函數是沒有函數支持的；R是基於統計分析的，性能和效率上要略遜於python。R的優勢在於統計學和數據計算和分析上要優越於python。
Python語言編程的代碼可讀性高，整體美觀，屬於簡單粗暴性質的，短時間內少量代碼可實現復雜功能；R的語法很奇怪，各種包並不遵守語法規范，導致使用起來經常感覺蛋疼；R程序最終看起來沒有Python那麼簡潔美觀。
從全面性方面，我認為Python的確勝過R。無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。畢竟，python本身是作為一門計算機編程語言出現的，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。
python是machine learning領域的人用的較多。據我所知，做marketing research, econometrics, statistics的人幾乎沒有用python的
當然了，現在學編程比以前可簡單了多了。有句話不是這么說的么，「我不生產代碼，我只是stackoverflow的搬運工」。。。
以上僅僅是個人感悟，如表述不當，歡迎指出，拍磚的手下留情哦

J. python與r語言哪個比較合適深度學習

顯然是python。主流的庫都有python版本，r語言很少見。 rust這種高性能的語言倒是很常見