哇 我承認我孤陋寡聞了... 居然沒聽說過.....R語言，顧名思義，它首先是一門計算機的程式語言，就跟傳統的C語言，Java語言類似，但是，它又不僅僅是一門計算機語言。這是因為，R語言天生為統計而生，所以，它做不到像C語言那般的普適，資料分析、統計建模、資料視覺化才是它的舞臺。 csdn得到的答案.....看樣子是專注做統計的....r語言沒具體瞭解

python在人工智慧 和爬蟲方面優秀....其實python的應用還是太淺了....還是java ，c....強大

哪一種計算機語言容易學這種爭論一直沒有停止過，其實最近你會看見很多網路上的人都說Python怎麼怎麼好學，然後轉過頭來再去貶低其它語言怎麼怎麼難學，這部分人大多都是培訓機構做出來的假面現象。

其實真正學習計算機語言的人才會知道，哪一種語言好學都是最主要看的，是學習者對哪門語言感興趣，這個才是關鍵。

R語言：這就比如你覺得R語言好學，其實是因為你對R語言感興趣或是R語言對你目前的工作有很大的用處，你才會感覺R語言容易，當然我也無法否認R語言的優雅，瞭解過的人也確實很容易喜歡上這門語言。

Python語言：Python是最近人工智慧方面大火才真正興起的一門語言，而也是由於目前人工智慧的火熱，導致了各大培訓機構都重點把這門計算機語言作為一個主推學習的計算機語言，這種炒作力度完全不亞於當年的PHP，也因此導致現在各大程式設計師網站平臺上面都在討論Python的好。

當然我們也無可否認Python的萬能，Python基本上在各種語言的優秀領域上面，都會看到其身影可以涉足到的地方，因此它也被稱之為計算機語言界的“萬能膠水”。

PHP語言：最後多說一個PHP語言吧，我自己用的就是PHP，我不否認當初是衝著那句“PHP是世界上最好的語言”來的，最後這門語言也確實沒有讓我失望，PHP在網站後臺資料處理方面也確實是“暴力”，除了這兩個字真的無法用其它詞語來形容。

總結：其實對比這幾個語言來說，不存在於哪個語言好學哪個語言難學的情況，最為關鍵的是在於學習者有沒有心思與興趣去學習，對於那些在炒作Python的培訓機構，我們看完後一笑而過就好了，畢竟什麼東西好學和好用，只有真正的程式設計師才知道。

R語言因為一開始不涉及複雜的程式設計概念，主要強調統計計算，因此在初學時會讓人覺得比較簡單。然而，當面對複雜的資料統計處理應用時，需要藉助各種程式設計邏輯結構和函式呼叫時，會發現其語法並不簡便。相比之下，對Python語言的學習，一開始主要強調語法，顯得更像是在學一門真正的程式語言。而Python的大資料處理則是第三方非核心的程式碼庫，通常當你學到這部分的時候，你的語法已經很專業了。而python的這些庫的函式介面又很簡單，因而會有一種越學越簡單的感覺。

R 語言本身不難，相比Python簡單，甚至比js 都簡單。

R 難在統計部分。如果不懂統計，用不來很懵逼。

r是概念問題，本身一種指令碼語言，這個不是問題，而是領域語言需要數學和統計知識，基本這方面會的人都要一步一練，不懂的基本舉步維艱

說r比python更好學的，只有一種可能，本事數學功底好，數理統計基礎好，用r不過是處理資料，其實用saas，sas這類軟體也沒有不同

R首先是統計學和資料分析工具，可以用來做別的，是它的擴充套件功能。

而Python是一種通用計算機語言，做統計和資料分析只是它的一個應用方向。

統計學的學習曲線比計算機程式設計要陡峭一些，這使得R看起來難學一點。

R語言因為一開始不涉及複雜的程式設計概念，主要強調統計計算，因此在初學時會讓人覺得比較簡單。然而，當面對複雜的資料統計處理應用時，需要藉助各種程式設計邏輯結構和函式呼叫時，會發現其語法並不簡便。相比之下，對Python語言的學習，一開始主要強調語法，顯得更像是在學一門真正的程式語言。而Python的大資料處理則是第三方非核心的程式碼庫，通常當你學到這部分的時候，你的語法已經很專業了。而python的這些庫的函式介面又很簡單，因而會有一種越學越簡單的感覺。 --------河南新華

誰要是覺得R語言難學，那他著智力也基本告別程式設計了。

向量化的資料操作你還有什麼好睏難的？非要寫個迴圈嗎？

可能是先入為主吧，我覺得r對我來說不難，關鍵是掌握學習r的技巧，首先是學習r必須首先要掌握資料結構以及r相關的基本內容，比如一些基礎函式，基本運算等，你就把資料想象成是一道菜，他是立體的，你想怎麼去烹飪這道菜取決於你的目的，而且往往解決一個問題會有多種方法，都可以去嘗試的，進階一點，必須掌握自定義函式，if條件句，迴圈等用於自動化處理的方法，可以大大節約你的時間，再有就是視覺化，ggplot2包是必學的，最後還有一個關鍵內容就是如何自學新的包（在網上沒有傻瓜式教程出現之前）必須要學會閱讀每個包自帶的英文參考手冊，有目的的學習你要用到的函式，往往這些參考手冊都很詳細。掌握好這些內容r學起來容易多了，學習r最難的是r背後的統計學知識，所以光學r不行，統計學基礎一定要跟上才行。

作為一個R語言資深使用者，目前正在學習應用Python的人來大致說下，可能有四點吧：

1、

可能主要跟統計學基礎、資料分析應用、機器學習建模有關。其實不是R語言難，而是他們對於要怎麼應用R語言去解決資料分析問題，或者對於應用R語言解決資料分析師問題的方式，在理解上有難度。

2、

再有就是有些其他語言的使用經驗之後，會對R語言中某些不同的特徵不習慣，覺得很難理解為什麼要這麼設定。這個就跟我在經常使用R語言之後再去使用python是一樣的，經常對為什麼索引要從0開始等等不爽，就覺得不直觀，為什麼要這麼設定，有時候甚至有些抗拒。

3、

還有就是心理上不認同學習R語言，或者簡單點說不想學R語言。

4、

最後就是方法上的問題。其實真的要學R語言，稍微有點統計學基礎，然後對著《R語言實戰》寫一遍程式碼，然後多找資料練習，這中間注意多總結多反思。還是那句話，任何計算機語言都是兩種東西的結合，資料和演算法。對應到R語言中，掌握兩點，一個是資料，這裡麵包括有哪些資料種類結構，怎麼構建資料，怎麼匯入匯出資料，資料怎麼操縱轉變成自己需要的樣子；二是實現資料分析的函式，這裡麵包括統計分析假設檢驗的函式、實現機器學習演算法的函式。

當然，還有R語言在資料視覺化（作圖）上的應用，其實也是資料和函式兩個問題。

雖然不知道從哪裡聽說學起來陡峭。但如果真的有這種說法的話，抱怨的多半是需要做統計工作的學生和相關人士吧。

如果要拿R和SPSS或者Excel比的話，確實有一點“陡峭”，因為R畢竟是個程式語言。其實語言也只是一個工具；用深了真正困難的還是統計、演算法等知識。這時候R啊，Python啊就無所謂了

因為R語言語法簡單（類似於matlab），函式功能強大，所以很容易上手。

真正讓R無法媲美python的主要有兩個原因：

1. R的有太多的包（這點和python一樣，但是R更多）。但是R做的不好的地方是，很多packages有自己各自的邏輯，並且各不一樣，導致R的學習者不僅僅要學R本身，還有學習各個packages背後的一套邏輯，並且需要花時間精力去記住每個package裡面命名各異的函式。這種情況造成了學習者在短時間內無法把從一個package裡獲得的經驗和程式碼流出遷移到另一個package裡，經常會不斷地學習新的function，這是為什麼R的學習曲線陡峭。而在工業界，比較忌諱這一點。

2. R和matlab一樣，每個package裡面的函式集合了太多的功能（比python的還要集合的多）。雖然這些函式實現起來很傻瓜，但是無法滿足工業界處理大資料的需求（集合的功能太多，一方面造成不必要的資源消耗，另一方面給底層程式碼最佳化帶來了難度，所以R和matlab的底層最佳化做的並不好）。因此R，在python沒有興起之前，在美國大學學術界佔有統治地位。學術界所需要的data量不大，那些professor很容易用R實現自己的統計分析和視覺化報告。但是在工業界，R的資料處理能力比起python就相形見絀了。

綜上所述，R和matlab偏學術研究，而python配合Go，Java，C，C++更適合能夠落地的業界專案。