Documentos de Académico
Documentos de Profesional
Documentos de Cultura
👉
- cursos@maximaformacion.es . +34 635 659 391 , Avda. de la Innovación 1. Edificio BIC, 18016. Granada + 365 online ' ( ) * " Login Register
Data Science
MÁXIMA FORMACIÓN > BLOG > DATA SCIENCE +R > R VS PYTHON 2018 ¿CUÁL ES EL MEJOR EN CADA CASO?
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.
Matrícula abierta.
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.
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:
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.
Correo Electrónico $
País %
Empresa &
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
++.
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.
Correo Electrónico $
País %
Empresa &
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%!
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).
¿Por qué elegir uno de ellos si puedes utilizar ambos lenguajes a la vez?
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:
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.
Correo Electrónico $
País %
Empresa &
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.
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.
RSoftware
2 COMENTARIOS
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?
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 *
PUBLICAR EL COMENTARIO
MÁXIMA FORMACIÓN
SLU 9.2/10
214 Valoración De Clientes
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