Python和R，我该学哪个？【做科研的大师兄】

如今，数据就是资源，是生产资料，有了数据，就有了实现一切的基础。

这里数据主要指大数据，包括测序数据（如RNA-seq）、图像（如CT、MRI结果图）等多种类型，当然数据还包括湿实验数据等，我们这里不做展开。

想要利用生产资料制造产品，创造价值，我们就要有生产工具。

同样的，数据是生产资料，数据分析后写出来的文章就是产品，那生产工具是什么呢？

Python和R便是了。

那Python和R在医学大数据分析中的具体应用有哪些异同？

鉴于本人并非大数据分析相关方向背景，仅根据个人科研过程的经历，简要介绍一下二者的异同，以及在医学领域应用场景选择，如有遗漏，欢迎大佬在评论区补充讨论~

相同点：

• 不论Python还是R语言，都是通过按照语言规则输入代码，实现数据建模、分析、可视化和机器学习等功能。

不同点：

1. Python侧重于程序开发，机器学习和神经网络，需要有一定的变成基础；R语言侧重于数据分析及可视化，只要有SPSS软件操作经验，很容易上手；
2. Python在医学领域主要应用于机器学习，神经网络。最典型的是医学影像图片的AI识别，feature提取和构建神经网络，机器学学习，建立诊断模型，这类文章可以参考我之前帖偏重临床，动物模型都没有的课题该怎么做？。需要注意的是，利用Python构建疾病诊断模型，往往是一个比较大的project，需要一个团队完成，所以不适合个人上手。
3. R语言在医学领域非常擅长针对测序数据的分析和可视化（RNA-seq/单细胞测序等等）、临床回顾性统计分析等。当然Python也可以进行数据分析可视化，但是相比而言，R语言更有优势，也更容易上手。

实际上，结合我身边生信团队情况，医学研究生或医务人员应该优选学习R，对于测序上游数据分析再具备一点linux基础就够了，Python不建议选择。

而好消息是，R语言很容易上手，熟悉一些基本操作，数据结构和数据清洗（从头开始学，敲代码实践，两三个月对普通人也够上手了），再掌握一点debug的方法，就可以利用丰富的R包资源来进行数据分析可视化了。

所以，以后不要问选哪个了，对于绝大部分医学生，肯定选择R！