👉

👉
- cursos@maximaformacion.es . +34 635 659 391 , Avda. de la Innovación 1. Edificio BIC, 18016. Granada + 365 online ' ( ) * " Login Register

INICIO FORMACIÓN BLOG RECURSOS CONÓCENOS MATRICULACIÓN ONLINE /

Data Science
MÁXIMA FORMACIÓN > BLOG > DATA SCIENCE +R > R VS PYTHON 2018 ¿CUÁL ES EL MEJOR EN CADA CASO?

R VS PYTHON 2018 ¿CUÁL ES EL MEJOR EN CADA AUTORA

CASO? Rosana Ferrero

Data Scientist

" Publicado por: Rosana Ferrero # Categoría: Data Science +R ! 2 comentarios

AUTOR
Juan L. López
Data Scientist

R y Python son dos de los

lenguajes favoritos de los Data
Scientists.
En este post debatimos sobre los pros y los Aprende más

contras de R y Python, con la participación Recursos gratis

especial de reconocidos expertos que acudieron

a nuestra llamada en Twitter.
¡Sus conclusiones te van a sorprender!

Historia ¿Cómo surgieron estos

lenguajes?
Ambos surgen en los años noventa dentro del ámbito académico

R apareció por primera vez en 1996, creado por los profesores de estadística Ross Ihaka y
Robert Gentleman de la Universidad de Auckland en Nueva Zelanda. El nombre surge de las
iniciales de ambos creadores, ya que se inspiró en el lenguaje S de Bell Labs.

Python se creó en 1991 por Guido Van Rossum en el Centro para las Matemáticas y la
Informática (CWI, Centrum Wiskunde & Informatica) de los Países Bajos. El nombre surge de la
a!ción de su creador por los humoristas británicos Monty Python. Python se inspiró en el lenguaje
C, Modula-3 y ABC.

Máster de Estadística Aplicada con R Software

1.900 €

DOMINA LA CIENCIA DE DATOS CON R SOFTWARE

Soluciona los problemas reales con el análisis, la manipulación y la

representación gráfica de grandes volúmenes de datos.

Matrícula abierta.

Comprar ahora Leer más

Máxima Formación Valorado en 3.80 de 5

Uso. ¿En qué se especializan?

¿Qué problemas intentan
resolver?
R es la lengua franca de las estadísticas (y los gráficos), mientras que Python es
un lenguaje multi-propósito que permite mejorar la productividad de los
desarrolladores

En comparación con Python, es más fácil realizar análisis de datos complejos en R. La gran
cantidad de paquetes estadísticos te permite realizar cualquier análisis de datos de manera
sencilla y rápida, con pocas líneas de código.

Si bien Python cuenta con paquetes para el análisis estadístico, todavía le falta algo de la riqueza de
R para el análisis de datos. Ahora mismo R está por delante en este punto, aunque poco a poco
se está cerrando la brecha.

Dominic Royé (Ph.D. en Geografía Física investigador en la Universidad de Oporto y la

Universidad De Santiago de Compostela) y Carlos Gil (estadístico y cientí!co de datos con una
trayectoria espectacular, miembro fundador de la Comunidad de usuarios de R, Madrid) opinan
sobre R.

Por otro lado, Python es más adecuado para implementar algoritmos de productividad. Tienes
acceso a un gran número de paquetes para desarrolladores que te permiten crear código general
de manera más rápida y vincular "ujos de trabajos o componentes (aunque para objetivos
estadísticos esto puede complicarse). R se puede utilizar como lenguaje de programación, pero
esa no es su fortaleza.

Juliá Minguillón (cientí!co de datos, Barcelona) y SEOpuz también opinan sobre Python.

En resumen:

R tiene una ventaja en estadística y visualización,

mientras que Python tiene una ventaja en
herramientas de construcción.

Gráficos. ¿Con cuál de ellos

podemos crear los gráficos más
impactantes?
R y la visualización de datos son una combinación perfecta

En términos de visualización de datos, R está muy por delante de Python. R ofrece grá!cos
sorprendentes mucho más so!sticados que los de Python. Por ejemplo, paquetes como ggplot2
hacen que gra!car sea más fácil y más personalizable en R que en Python. Otros paquetes de
visualización fundamentales son ggplot2, ggvis, googleVis y rCharts.

Descarga gratis este recurso

¡Suscríbete y descarga gratis!

Diseña con éxito tu investigación

Nombre y Apellidos "

Correo Electrónico $

País %

Empresa &

Suscribir para descargar

La entidad responsable del tratamiento es MÁXIMA FORMACIÓN, SLU. La finalidad es el

registro en el Newsletter de MÁXIMA FORMACIÓN. Los datos no serán comunicados a terceros,
salvo obligación legal. Los usuarios disponen del derecho a acceder, rectificar y suprimir los
datos, así como otros derechos, como se explica en la información adicional. Puede consultar la
información adicional y detallada sobre Protección de Datos en la siguiente dirección {links}

Actualización. ¿Cómo estar a la

última en Data Science?
R está más actualizado en las últimas técnicas estadísticas, debido a su fuerte
vínculo con el entorno académico.

El desarrollo de nuevas técnicas estadísticas es más rápido en R. Si existe una técnica

estadística, es probable que ya exista un paquete R para implementarla. Por eso, hay momentos en
que R es la mejor herramienta para el trabajo… O la única herramienta. Esto ocurre con modelos
complejos como los modelos mixtos o GAM, como indicó Carlos Gil.

El enorme ecosistema de paquetes suele ser una gran ventaja para estos lenguajes, como indican
Pachá (usuario experto de R) y Antonio Canepa Oneto (bioestadístico, ecólogo y biólogo marino
de Burgos).

Velocidad y capacidad.
¿Cómo trabajar con Big Data?
R y Python están integrados en la nube

Ambos te permiten interactuar con servicios en la nube para acelerar los procesos con grandes
conjuntos de datos, como indican Jose Ramón Cajide (Cientí!co de Datos de Madrid), Juanma
Boschetti (Cientí!co de Datos de Buenos Aires) y José Luis Cañadas (Cientí!co de Datos en Orange
de Madrid).

R es más rápido para realizar análisis estadísticos, pero puede ser más lento si queremos
escribir código general o acceder a grandes bases de datos, como a!rma Francesc Pons líneas
abajo.

Pero R fue desarrollado para facilitar la vida de los estadísticos, no la vida de su computadora,
indica Dominic Royé.

Podemos aceptar una menor velocidad si valoramos el tiempo ahorrado al no tener que volver a
inventar la rueda cada vez que queremos hacer algo nuevo. También hay que decir que existen
múltiples paquetes para mejorar el rendimiento de R, como el paquete Rcpp que integra R con C
++.

Gratuitos y de código abierto.

¡Soy libre!
Tanto R como Python son Open Source

A diferencia de otros softwares comerciales como SPSS y SAS, tanto R como Python son:

Gratuitos, puedes usarlos sin tener que persuadir a su jefe para comprar una licencia.

De código libre y abierto, puedes extenderlos sin tener que pedir permiso. Eso signi!ca que
cualquiera puede examinar el código fuente para ver exactamente lo que está haciendo. Y también
puedes corregir errores y/o agregar funciones, sin depender del proveedor. Como mencioné arriba,
la naturaleza abierta de R & Python les permite obtener las últimas características más rápido,
incluso más rápido en el caso de R.

Descarga gratis este recurso

¡Suscríbete y descarga gratis!

Guía Rápida Introducción al Lenguaje R

Nombre y Apellidos "

Correo Electrónico $

País %

Empresa &

Suscribir para descargar

La entidad responsable del tratamiento es MÁXIMA FORMACIÓN, SLU. La finalidad es el

registro en el Newsletter de MÁXIMA FORMACIÓN. Los datos no serán comunicados a terceros,
salvo obligación legal. Los usuarios disponen del derecho a acceder, rectificar y suprimir los
datos, así como otros derechos, como se explica en la información adicional. Puede consultar la
información adicional y detallada sobre Protección de Datos en la siguiente dirección {links}

Comunidades y documentación
R y Python tienen comunidades de soporte muy activas

Ambas herramientas tienen comunidades online muy activas que ofrecen soporte a sus usuarios,
con per!les profesionales distintos. Esto es una gran ventaja, ya que te ahorras tener que pagar
por acceder a soporte técnico como sí sucede con los softwares comerciales.

En términos generales Python tiene peor documentación, como indica Antonio Canepa.

Plataformas
Tanto R como Python son independientes de la plataforma

Por este motivo puedes utilizarlos en cualquier sistema operativo: GNU / Linux, Macintosh y
Microsoft Windows.

Popularidad. R o Python
¿cuál es el favorito?
¡Es difícil compararlos y sacar conclusiones al 100%!

En la web, puedes encontrar muchos sitios que comparan la popularidad de R y Python.

Si bien estas cifras a menudo dan una buena indicación general de cómo estos dos idiomas están
evolucionando, es difícil compararlos entre sí.

La razón principal se debe a que encontrarás usuarios R solo en un entorno de ciencia de datos,
mientras que Python al ser un lenguaje multi-propósito se usa más ampliamente, en otros
campos como el desarrollo web, sesgando los resultados (ver KDnuggets).

Así lo señalan Antonio Canepa y Dominic Royé.

 Aprendizaje ¿Cuál es el
lenguaje más sencillo de
aprender?
La curva de aprendizaje dependerá de tus habilidades y conocimientos previos
en programación, estadística, etc…

R no requiere que seas programador. Ni siquiera diría que R es para programadores, es un

lenguaje accesible para realizar análisis de datos desde cualquier disciplina. Yo no vengo de
una formación en informática ni pensé convertirme en programadora, aprendí R de manera
autodidacta en 2005, cuando incluso la documentación disponible no era tan abundante como lo es
ahora.

Python sí es un lenguaje vinculado a la programación informática. A algunos les parecerá

más sencillo aprender Python que R mientras que otros, como a Antonio Canepa, pre!eren R
porque están más familiarizados con el lenguaje estadístico que con el lenguaje de los ingenieros e
informáticos

Uno para todos y todos para

uno
Hay puntos claros de interacción entre R y Python, y ambos ecosistemas
continúan fortaleciéndose.

¿Por qué elegir uno de ellos si puedes utilizar ambos lenguajes a la vez?

Puedes usar Python desde R con el paquete rPython.

Puedes usar R desde Python con el paquete RPy2.
UtilizaJupyter Notebook y Beaker Notebook, para acceder a ambos incluso en un mismo
análisis.
También existe un proyecto muy interesante que busca crear paquetes independientes de la
plataforma (Ursa labs). Está dirigido nada menos que por Wes McKinney y Hadley Wickham.

Descarga gratis este recurso

¡Comparte y descarga gratis!

Guía Rápida Entorno de desarrollo R Studio (IDE)

like
Me gusta 251 tweet
Twittear

¿Cuál es el mejor?
Ninguna herramienta es la mejor para todos ni para todo.

Sería ridículo decir que un lenguaje es el mejor. Cada uno tiene sus ventajas, y qué lenguaje
necesitas aprender dependerá de tu contexto y habilidades. Para elegir R o Python piensa cuáles
de sus ventajas se adaptan mejor a tus necesidades, aunque no necesariamente serán las
mejores para alguien que trabaje en un área diferente, con diferentes exigencias.

Ten en cuenta el campo en el que deseas trabajar, la empresa para la que trabajas, el equipo
en el que trabajas y la herramientas que utilizan.

Si eres el único que usa R donde todos los demás usan -por ejemplo- SPSS, puede ser difícil pedir
ayuda a tus compañeros o compartir resultados. Pero cuidado, no tienes por qué seguir a la
mayoría. Conocer un nuevo lenguaje te permite tener más habilidades, abrirte a más
oportunidades y potenciar tu efectividad.

Por lo tanto, incluso si todos los que te rodean usualmente usan SPSS u otra herramienta
comercial, es recomendable que aprendas lenguajes de gran potencial como R o Python.

En general:

Si trabajas en investigación, estadística o análisis de datos, es probable que pre!eras R.

Si trabajas en ingeniería o programación, seguramente preferirás Python.

La gran pregunta… ¿Cómo

comenzar?
Los manuales son buenos libros de referencia y pueden ayudarte a aprender nuevas funciones,
pero no son sencillos para los principiantes. Elegir esta alternativa es como intentar aprender R
desde un diccionario, puede que te sientas frustrado si son tus primeros pasos.

En su lugar te recomiendo:

1. Encuentra un tutor experimentado que te guíe y obtén una buena capacitación práctica
donde veas cómo se usan realmente los lenguajes (o paquetes) para resolver problemas
reales. Así estarás bien preparado para el autoaprendizaje más adelante.
2. Recuerda: no necesitas dominar todas las opciones de una herramienta para poder
usarla. No tienes que aprender cada análisis especí!co desde el principio.Es como
cuando comenzamos a hablar, no necesitas conocer todas las reglas
gramaticales. ¡Lánzate y juega!
3. Construye una base sólida, desde los conceptos básicos hasta los modelos lineales
(regresión lineal, ANOVA). Una vez que tengas esas habilidades, podrás agregar nuevas
habilidades cuando las necesites.

Descarga gratis este recurso

¡Suscríbete y descarga gratis!

Por qué estudiar Estadística Aplicada

Nombre y Apellidos "

Correo Electrónico $

País %

Empresa &

Suscribir para descargar

La entidad responsable del tratamiento es MÁXIMA FORMACIÓN, SLU. La finalidad es el

registro en el Newsletter de MÁXIMA FORMACIÓN. Los datos no serán comunicados a terceros,
salvo obligación legal. Los usuarios disponen del derecho a acceder, rectificar y suprimir los
datos, así como otros derechos, como se explica en la información adicional. Puede consultar la
información adicional y detallada sobre Protección de Datos en la siguiente dirección {links}

Nota final
En de!nitiva, R y Python son dos lenguajes potentes, "exibles y accesibles. Si aún no has
trabajado con ellos, ojalá este post sirva para animarte a hacerlo cuanto antes.

Espero que hayas disfrutado de esta puesta en común, y aunque la lista de puntos fuertes y débiles
no está completa, creo que es un buen punto de partida para que comiences el camino hacia el
Data Science.

Agradezco sinceramente la colaboración de los profesionales expertos que han querido

participar de este debate. Su aporte ha sido muy valioso.

Si tu también quieres aportar tu punto de vista, ¡te animo a hacerlo aquí! También puedes
dejarme tu comentario bajo el post, estaré encantada de leerte y conocer tu opinión.

¡Gracias por tu atención!

#BigData #DataScience #Estadistica #Rstats Lenguaje R Python Compartir:

RSoftware

2 COMENTARIOS

Cristobal Hernandez Termes 25/03/2020 at 07:45 Reply 1

Bon dia.
Sóc un diplomat en Estadística. Actualment no treballo com a tal, però voldria fer-ho, per això estic fent un
reciclatge. Realment busco treballar en algun projecte gratuïtament per poder reprendre la meva
professió. Estic iniciant-me en R.
Pots orientar-me?

Rosana Ferrero 26/03/2020 at 09:48 Reply 1

Hola Cristobal,
Para comenzar con R tienes material gratuito en la web. Te recomiendo que leas nuestros post sobre
ello:
https://www.maximaformacion.es/blog-dat/libros-recomendados-sobre-estadistica-r/
https://www.maximaformacion.es/blog-dat/estadistica-r-libros-y-hojas-de-referencia-en-espanol/
También puedes descargar los recursos gratuitos que hemos elaborado aquí:
https://www.maximaformacion.es/recursos/
RStudio es el entorno ideal para trabajar con R y generan mucho material para su aprendizaje:
https://rstudio.com/resources/training/
¡Suerte en tu proyecto!
Saludos

Deja un comentario

Nombre * E-mail *

Comentario *

He leído y acepto la política de privacidad de Máxima Formación

Antes de !rmar la solicitud debe leer la información básica de protección de datos que se presenta aquí

PUBLICAR EL COMENTARIO

MÁXIMA FORMACIÓN
SLU 9.2/10
214 Valoración De Clientes

CONÓCENOS ENLACES RÁPIDOS CONTACTO SÍGUENOS EN REDES

SOCIALES
Avda. de la Innovación 1.
Máxima Formación el centro eres tú, te Formación !
preparamos para los retos profesionales del Edi!cio BIC, 18016. Granada
mundo real. Desde hace más de 10 años
Blog: Data Science +R ' ( ) *
somos referentes en formación de software Recursos " +34 635 659 391
libre aplicado a las áreas de la Estadística
Matriculación online - cursos@maximaformacion.es
Aplicada (R Software) y la enseñanza virtual
(Moodle). Formación boni!cada  Formulario de contacto

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que
acepta su uso. Puede cambiar la configuración u obtener más información en el enlace.
Copyright 2020 — Máxima Formación
AVISO LEGAL POLÍTICA DE PRIVACIDAD POLÍTICA DE COOKIES PAGOS CONTACTO
ACEPTAR MÁS INFORMACIÓN
Privacidad - Términos