python和R在生信脚本编写中使用的频率是最高的，经常会把两者的脚本利用Perl/Shell 串联起来，进行Pipline的编写。
区别：
从定位角度看，
R 致力于提供更好的，对用户友好的数据分析、统计分析和绘图模型；
Python 则强调生产效率和代码的可读性。
应用领域：
R 主要用于学术和研究领域；
Python 更倾向于工程领域，机器学习，人工智能方面的模块非常友好，而且也便于项目落地。
语法：
R 没有代码缩进的要求，可以用多种方法实现同一功能，但是无强制缩进会导致编写代码过于随意，影响可读性，以及优化效率。
python 是一种强缩进的语言，使得代码更加优美，可读性好，但是在编写脚本中，可能会因为缩进的原因报错。
易学性：
R和python都比较容易上手，但是相对而言，对于有编程基础的程序员，R的学习会非常简单。
缺点
R运行慢，而这一点是故意为之。R的设计目的是使数据分析和统计分析变得容易，而不是为了让你的电脑“活得更轻松”。它有一个不完整的非正式定义，主要通过实现工作的方式来定义。除了设计和实现，大量R代码慢的原因很简单——代码写的很差。为改善这一点，可使用提高R性能的程序包：pqR（R翻译器的一个新版本）、renjin、FastR（在Java中重新写R）、Riposte（一个很快的解析器和JIT）、RevoScaleR（用来处理大数据的商业软件）、Foreach（用来提高并行编程的商业工具）。
Python最大的问题在于其可视化，选择数据分析软件时，可视化是一个重要原则。虽然Python有一些很好的可视化程序库，包括：Seaborn（基于matplotlib的程序库）、Bokeh（交互式可视化程序库）和Pygal（建立动态可伸缩向量图形（SVG））。但Python提供的可选择程序库过多，且与R对比，在Python中进行可视化有些复杂，呈现的结果也并不是很令人满意。
相同点：
他们都有很丰富的包，可以帮助用户快速上手实现某一设想。
网友评论