原文：
www.kdnuggets.com/2022/01/r-python-human-factor-perspective.html
图像由作者根据 OpenClipart-Vectors 在 pixabay 的图像制作
我经常听到或看到类似的说法：“R 适合快速且粗糙的分析，但如果你想做严肃的工作，你应该使用 Python。” 我完全不同意这种说法，因为在 R 中编写高效、可靠、稳健、生产级别的代码是完全可能的——我做到了，所以其他人也可以做到。当比较两种语言时，你可以考虑它们的内在特性，比如语言结构、语法、函数和可用的库。但你也可以采用一种更为经验的方法，快速地在脑中回忆你遇到过的用这两种语言编写的所有代码示例。然后，我愿意承认，如果你将上述说法重新表述为“平均而言，Python 代码的质量高于平均 R 代码”，这可能有一些道理，这可以通过“人为因素”来解释。
免责声明：
这种观点显然不是基于严谨的科学方法，因为它不是基于客观数据的，因为这些数据并不存在（我认为也无法获得）。确实，我们无法获取所有曾经创建的 Python/R 代码（也不能获取去年创建的代码），也无法获取这类代码的代表性样本。我们也没有所有 Python/R 用户的教育背景和职业资料，也没有他们的代表性样本。即使我们拥有这些数据，定义一个平均的 Python/R 代码并评估其质量也将极其困难。所以这仅仅是基于我对情况的主观但诚实的评价。
阅读更多内容。
虽然没有普遍适用的代码质量定义或测量标准，但普遍承认，好的代码应该是可读的（文档齐全，风格一致等）、模块化、可重用、可靠、可测试，并且能够完成预期的功能。它还应该高效地使用计算资源（内存、CPU）和时间资源，即运行速度要合理。
注意：
代码只是软件的一部分，还有代码实现的算法。无论你使用什么编程语言，即使你遵守上述代码质量要求，算法效率低的软件也不是好的软件。
背景
大多数 R 用户来自科学背景。他们通常是自学的 R 程序员（Google 和 YouTube 是最重要的 R 教学资源！），即使他们接受过正式的 R 培训，这种培训也很可能相当有限，并且很可能是在统计学课程中（专业统计学家和数据科学家除外）。此外，他们可能没有接受过一般计算机科学培训和概念，因此不熟悉良好的编码实践。
使用情况
R 通常作为辅助工具来完成他们的主要工作——进行研究。因此，重要的是完成工作——分析数据，为博士论文、期刊或会议论文，或资助机构的项目报告制作表格和图表。因此，开发的代码是一次性的、临时的软件。文档或编码风格不是问题，频繁出现的是意大利面条风格的单一脚本而非模块化代码，更不用说硬编码的文件路径和其他参数，这破坏了代码复用的任何希望。代码通常由作者交互式运行，如果发生错误，会立即修复，因此当然没有适当的错误处理。如果代码今天在我的计算机和数据集上运行，那我就满意了，我完成了我的工作！但我们不应过于责怪他们——他们的工作是产生科学结果，而不是高效和高质量的计算机代码。可以肯定的是，一旦习惯了，编写高质量代码并不难，即使代码本意是一次性的，但其中的一些部分可能在其他场合被重复使用，但低质量的代码使得这个任务几乎不可能完成。考虑到所有这些，我们可以说，“普通” R 代码大多不符合高质量编码标准。
显著的例外再次是专业统计学家和数据科学家，对于他们来说，编写代码可以被视为他们主要任务的一部分——开发统计学和机器学习方法及工具，因此他们常常生产高质量的代码，并在 CRAN 和其他仓库中提供 R 包。
背景
大多数 Python 用户来自计算背景。Python 通常被用作大学介绍计算机科学概念的工具 (www.edx.org/learn/python)。即使他们没有计算机科学的学位，Python 用户可能也接受过一些正式的 Python 编程培训，因为这是一项工作要求。此外，即使他们最初没有学习计算机科学，他们也很可能接受过一般计算机科学的正式培训，除了 Python 编程之外，并且熟悉良好的编码实践。
使用情况
Python 通常由软件开发人员使用——这些人的主要任务是编写代码。代码的目的是多次运行，在不同的计算机（甚至可能是不同的操作系统）上运行，并处理许多不同的数据集。代码通常是稳健和可靠的，能够处理异常情况，并优雅地处理错误。还期望代码需要维护，可能由其他人进行（修复错误、适应、演变），因此文档、风格、可读性、重用等概念自然成为开发过程的一部分。考虑到这一点，我们可以认为“普通”Python 代码往往会符合高质量的编码标准。
在这篇文章中，我尝试探讨有关 Python 是否比 R 更适合编写生产级代码的信念来源的假设。我认为这种信念并不来自于两种语言及其生态系统的固有特性。我猜这更可能来自于普通 R 用户可能对代码质量的关注程度低于 Python 用户，这可以通过他们的背景和编程在各自工作中的地位来解释。
当然，最终的结论是，认为 Python 在编写高质量代码方面优于 R 的信念是错误的！
Zivan Karaman 是一位自由的数据科学与软件工程顾问，热衷于利用数学、统计学和计算来将数据转化为可操作的见解，以帮助解决实际问题。特别钟爱 R 生态系统，早在 R 创建之前就已经使用（自 90 年代初期开始使用 R 的前身 S/S+）。 在 LinkedIn 上与他联系.
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT