Tiếp theo bài chia sẻ chinh phục lộ trình trở thành Data Analyst trong 3 tháng, có khá nhiều bạn quan tâm và inbox nhờ mình tư vấn về việc nên học R hay Python khi mới bắt đầu chập chững bước chân vào ngành Data. Vì vậy hôm nay mình viết bài này, hy vọng có thể giúp đỡ được cho các bạn phần nào. Cùng bắt đầu thôi tìm hiểu rõ về 2 ngôn ngữ lập trình phổ biến nhất thế kỷ 21 này thôi!

R và Python là gì? Chúng có những điểm gì giống nhau?

R và Python là 02 ngôn ngữ lập trình cấp cao phổ biến trong ngành Dữ liệu. Về cơ bản, hai phần mềm mã nguồn mở này khá giống nhau: Đều miễn phí và đều phù hợp với data science tasks - từ data manipulation, automation đến BA, big data exploration… Tuy nhiên, Python là một ngôn ngữ lập trình có thể được sử dụng cho rất nhiều mục đích khác nhau, trong khi R bắt nguồn từ phân tích thống kê (statistical analysis). Nhìn chung, chúng đều khá dễ sử dụng và dễ học, ngay cả với beginners. Thực chất, câu hỏi được đặt ra ở đây không phải là bạn nên chọn ngôn ngữ gì để học, mà là bạn cần làm gì để tận dụng được cả 02 ngôn ngữ trong những use case cụ thể của mình.

Vậy còn những điểm khác nhau của R và Python thì sao?

Những điểm mạnh của R

• Bắt nguồn từ statistical analysis, chức năng thống kê dĩ nhiên là thế mạnh của R. R có một số chức năng thống kê mà Python không có. Nếu công việc của bạn liên quan đến số liệu thống kê nhiều (ví dụ thống kê dữ liệu truy cập, marketing, thống kê xu hướng bán hàng, chuỗi thời gian…) và cần có các mô hình dễ hiểu thì R có thể là lựa chọn tốt hơn so với Python. Có thể nói, R mạnh nhất với các thuật toán/ giải thuật/ mô hình trong Statistics.
• R có tính trực quan và thẩm mỹ hơn, đặc biệt với thư viện ggplot2. Nếu bạn muốn đi sâu hơn vào Business Intelligence thì R là công cụ hỗ trợ tốt.
• R là một ngôn ngữ thuần túy, gọn, và ít cập nhật hơn
• R đã tích hợp sẵn rất nhiều chức năng dành cho data science, vì vậy số thư viện cần cài đặt thêm ít hơn so với Python.

Bản thân mình là một người cũng có vài năm kinh nghiệm làm việc ở các vị trí liên quan đến data trong các ngân hàng và sử dụng R trong công việc hàng ngày, mình cảm thấy R dễ học (trong thời gian ngắn), trực quan dữ liệu đẹp và có giao diện tương tác thân thiện (VD như environment, console, history, packages…)

Tại sao chọn Python?

• Python có độ thông dụng chỉ đứng sau ngôn ngữ C và ngôn ngữ Java
• Python mạnh nhất với các thuật toán Machine Learning/ Deep Learning.
• Python là một ngôn ngữ rất linh hoạt, phù hợp cho việc xử lý nhiều tác vụ không chỉ bao gồm thống kê hoặc phân tích. Ví dụ bạn có thể vừa thống kê vừa viết trang web trên cùng một chương trình Python.
• Python có nhiều package được sinh ra cho data science, tiêu biểu như NumPy, Pandas và Scikit-learn
• Python là một ngôn ngữ dễ đọc hơn và phù hợp hơn nếu bạn thường xuyên lập trình và muốn học thêm các ngôn ngữ lập trình khác trong tương lai.

Tại sao không dùng cả 2?

Có rất nhiều yếu tố cần được xem xét khi lựa chọn giữa 02 ngôn ngữ này, ví dụ như điểm mạnh và yếu của từng ngôn ngữ; nền tảng sẵn có của bạn về lập trình; ứng dụng mà team của bạn đang sử dụng; bài toán mà bạn đang cần giải… Tuy nhiên, một người thầy từng nói với mình rằng, overlearning không bao giờ là thừa. Tại sao phải chọn khi chúng ta có thể học và sử dụng cả 02 để tận dụng hết thế mạnh của từng ngôn ngữ? Thực tế, trong R có 1 package cho phép bạn có thể thực hành code Python bên trong 1 session của R - reticulate. Các bạn có thể tự tìm hiểu cách sử dụng của package này với rất nhiều tài liệu trên mạng, hoặc nếu muốn đọc thêm bài chia sẻ của mình về R nói chung và reticulate nói riêng thì đừng ngại comment xuống phía dưới cho mình biết nhé!

► Đăng ký tại đây: https://bit.ly/dangkynhantailieudata để nhận thêm những chia sẻ thú vị xoay quanh cuộc sống về Data nhé! #sharing#3 #MCIBigData