r语言中有哪些取整运算_python和r语言的区别对比_python与r语言哪个好

r语言中有的一些取整运算

在编程实现的时候有时会碰到对数值取整的需求，而取整的方式却多种多样，依赖于具体问题，不过在R中已经配备了种类齐全的相关函数。

       主要包括以下五种：floor（）：向下取整；ceiling（）： 向上取整；round（）： 四舍五入取整；turnc（）： 向0取整；signif（）： 保留给定位数的精度。

python与r语言哪个好—总概括： R主要在学术界流行，python（numpy scipy）在工程方便比较实用。

R是S（Splus）的开源版本，或者下一代。发源地在新西兰奥克兰。这个软件的统计背景很浓烈。我这里浓烈的意思是，如果你不熟习统计知识（历史）的话，R的帮助文档看起来是很累的。由统计背景的人开发。R的维护组叫CRAN-R。在生物信息方便，有个叫bioconductor的组织，里面有很多生物信息方面可以用的软件包，他们有一套自己维护package系统。

Python是个综合语言（这里特指指CPython解释器），numpy scipy是数值计算的扩展包，pandas是主要用来做数据处理（numpy依赖），sympy做符号计算（类似mathemaTIca？）此外还有一些不太成熟的包如sciki learn，staTIsTIcal models。成熟度不如R。但是已经到了可用的水平了。是读计算机的人写的统计包。ipython 更新到1.0以后，功能基本完善，其notebook非常强大（感觉就像mathemaTIca）而且还是基于web，在合作分享方面非常好用。

性能：

大家都说R慢，特别是CS的人。其实这里主要是两点：一个R里面数组的调用都是用复制的，二是Rscript慢。三是处理大数据慢。如果R用的好的话，R是不太慢的。具体来说就是Rscript用的少，多用命令，跑点小数据。这样的话，实际在跑的都是背后的fortran和C库。他们都有快二三十年历史了。可谓异常可靠，优化得不能再优化了（指单线程，如果去看源代码挥发先许多莫名的常数，永用了以后精度高速度快！）。比如一个自己编写一个R脚本，loop套loop的那种，那真是想死的心都会有。外加一点，R处理文本文件很慢！

Python归根揭底还是个有解释器的脚本语言，而且有致命伤——GIL，但python最难能可贵的就是它很容易变得更快。比如pypy，cython，或者直接ctypes挂C库。纯python写个原型，然后就开是不断的profiling和加速吧。很轻易可以达到和C一个数量级的速度，但是写程序、调试的时间少了很多。

并行计算：

R v15 之后有了自带的parallel包，用挺轻松的。不过其实就是不停的fork，或者mpi，内存消耗挺厉害的。parSapply，parApply什么的，真是很好用。

Python虽然有GIL——并行计算的死敌，但是有multiprocessing（fork依赖） ，是可以共享数据的什么的，估计内存消耗方面比R好点，数据零散的话overhead很多。到了MPI的话，mpi4py还是挺好用的。用cython的话结合openmp可以打破GIL，但是过程中不能调用python的对象。

学习曲线：假设什么编程都不会的同学。

R一开始还是很容易上手的，查到基本的命令，包，直接print一下就有结果了。但是如果要自己写算法、优化性能的时候，学习难度陡增。

Python么，挺好学的，绝大多数的帮助文档都比R好了许多。有些包用起来没R方便。总的来说深入吼R陡。

扩展资源：

基本上新的统计方法都会有R的package，安装实用都不麻烦。但是基本上都是搞统计的人写的计算机包。所以效能上可能有问好。比较出名的有两个包的管理网站，cran-r 和bioconductor。 所以搞生化的估计R用起来很方便。

python的统计计算包们比R少，多很年轻，还在不断的开发中。优于是计算机人写的统计包，用起来的时候要多涨个心眼。

画图：

R自带的那些工具就挺好用了，然后还有ggplot这种非常优美的得力工具。

python 有matplotlib，画出来效果感觉比R自带的好一些些，而且界面基于QT，跨平台支持。可能是R用得多了，pyplot用起来还是不太顺手，觉得其各个组建的统一性不高。

IDE：

Rstudio非常不错，提供类matlab环境。（用过vim-r-plugin，用过emacs + ess现在用vim。）

windows 下有python（x，y） 还有许多商业的工具。（本人现在的emacs环境还不是很顺手~）

建议：

如果只是处理（小）数据的，用R。结果更可靠，速度可以接受，上手方便，多有现成的命令、程序可以用。

要自己搞个算法、处理大数据、计算量大的，用python。开发效率高，一切尽在掌握。

ps：盲目地用R的包比盲目的地用python的包要更安全。起码R会把你指向一篇论文，而python只是指向一堆代码。R出问题了还有论文作者、审稿人陪葬。

python和r语言的区别对比

网上有很多关于数据科学到底该用哪个，哪个到底好，谁更有前途的文章，一搜一大把。但我还是要写一下我的观点：

分析比较这两种语言到底哪个好，得看你的用途。比如我只需要分析数据，即导入数据，分析数据，可视化，那按理说R语言确实很占优势。如果想在学习工作之外再将编程语言应用的话，毫无疑问python更占优势，有句话是这么说的“人生苦短，请用python”。

单就数据分析对比，我认为R的优势有：

1、学习先易后难，不会把小白们吓掉；

2、数据科学的包特别多

3、可视化特别吊

R的缺点也不少：

1、R经常更新，更新后经常不支持之前你安装的包；我电脑里安装了10+个R的版本，不停的切换

2、R语言的包、函数名起的很随意，看名字不知道是干什么用的，记不起名字如何让小白使用啊。

3、R语言社区人少，遇到问题你只能自己解决

4、即使有RStudio，写代码还是不方便

下面再说下python，优点：

1、是一门看的懂的，说人话的语言。库名、函数名都很好理解记忆，而且你看别人写的代码基本知道这代码的意思，不信你试试。

2、数据获取占优势，数据分析第一步是数据获取，现在人文社科很多数据需要网上抓取，不过就抓数据而言，python更占优势。各种教程，代码，网上一大片。

3、社区人数特别多，基本你遇到的问题都能找到

python的缺点：

1、学习起来，开头很难，学习曲线与R正好相反。

2、公平起见，我还是写上，python的数据分析库不如R多

3、可视化不如R

最关键的是R的收集数据这方面，网上特别少，搜有关R爬虫的也很少。

于是我五月份开始转头学python，而且我是一开始就学python3，坚持选择有前途的版本，坚持。目前我已经可以用python爬数据了。

综合下，建议大家学习python，语言通俗易懂，功能强大，越来越简单。