计算机在科学计算方面的应用软件/语言还有比R语言更慢的吗

来源：蜘蛛抓取(WebSpider) 时间：2016-12-04 12:28 标签： 计算机在科学计算方面的应用

随着 dplyr 1.0 的正式发布tidyverse 系列比以前更加强大了，R 的优雅性和性能都得到进一步提高加之 R 同 spark、cpp 等的交互也越发顺畅，以 R 为基础完全没有问题了加之 RMarkdown 进一步优化（RStudio 可能还要推絀自己的可视化工具），从数据分析和报告撰写的角度看R 也是更好的选择。最后假设实在要用到 python，通过

跟题主背景类似经济金融专業，做过数年量化投资目前又回到学校念书，做实证资产定价方面的研究同时，早年主要用 R/matlab 后来也较频繁用 python 。所以可能可以给题主┅些参考

总体而言，任学一个都可以就做数据建模/策略研究的应用场景而言，两者没什么本质区别但有一个细节可以进一步考量，那就是如果预计未来的具体工作会更偏向统计建模/时间序列分析则用 R 更好。反之python 稍微有优势。毕竟大部分经典的、前沿的统计模型都囿 R package但 python 很难。而且 R 可视化做得比 python

另外考虑到题主已经学过一些 R 了，个人更建议先使用 R 由于 R 更加非标准化，熟练 R 后上手 python 做数据建模并不會太难但反之，先学 python（语言极其标准高度类似英语），等需要统计算法时再学 R 难度会较大。

此外考虑到 data.table 和 dplyr，以及 rspark 等 packageR 过去常常被詬病的性能问题，现在也不是特别大的问题即便研究日内高频策略也可以用 R 做，并没有太大影响

最后，2 年前的一篇关于 R/python 对比的短文供题主参考。

BTW, 如果题主打算先用 R 的话强烈建议丢掉《R 语言实战》，而仔细学习刚才链接里的封面图片那本书：Hadley Wickham 大神的 《Advanced R》在他的个人網站上有英文版。如果嫌麻烦也可以看中文版翻译还不错。至于原因参考这篇文章：

我要回帖

更多关于 计算机在科学计算方面的应用 的文章

 

随机推荐