为什么互联网公司更喜欢Java/Python作为数据科学家的工作？

Question

我在数据科学家的职位描述中见过很多次，要求获得Python/Java经验，而忽略R。下面是我通过linkedin申请的一家公司的首席数据科学家发来的一封个人邮件。

X，谢谢你的联系和表达的兴趣。你确实有很好的分析能力。然而，我们所有的数据科学家都必须具备良好的Java/Python编程技能，因为我们是一个互联网/移动组织，我们所做的一切都是在线的。

虽然我尊重首席数据科学家的决定，但我无法清楚地了解Python能够完成哪些R不能完成的任务。有人愿意详细说明一下吗？如果我能得到更多的细节，我实际上很想学习Python/Java。

编辑:我在Quora上发现了一个有趣的讨论。为什么Python是数据科学家的首选语言？

Edit2: Udityon面向机器学习的语言与图书馆的博客

Answer 1

这样您就可以与代码库的其余部分集成。您的公司似乎使用Java和python的混合。如果站点的一个小角落需要机器学习，用数据库或缓存传递数据，然后放到R中，你会怎么做？为什么不用同一种语言来做呢？它更快，更干净，更容易维护。

你知道有哪一家网上公司只靠R经营吗？我也不..。

所有这些都表明Java是我做数据科学的最后一种语言。

Answer 2

可能有很多原因，比如：

1. 员工团队的灵活性:一个Java / Python程序员可以轻松地转移到其他任务或项目。
2. 候选可用性:有大量的Java / Python程序员。您不希望引入一种新的编程语言，以便以后发现没有合格的工作人员，或者他们太贵了。
3. 集成和ETL:有时以正确的质量获取数据是项目中最困难的部分。因此，使用与其他系统相同的语言是很自然的。
4. 业务模型定义:大多数业务规则和业务模型都是用这种语言编写的。
5. 只是保持简单。它已经很难跟上技术的发展。多样的语言基础可能是混乱的。R代表这个，Ruby代表那个，Scala，Clojure，F#，Swift，Dart.他们可能需要不同的服务器，不同的路径，地狱来管理。所有的工具和插件都有自己的IDE(并不总是免费的)。看鲍勃叔叔关于语言选择和新技术的观点

因此，即使你有5% - 15%的生产力优势，使用R来完成特定的任务，他们可能更喜欢一个工具，即使不是以最有效的方式来完成这项工作。

Answer 3

通常情况下，对于纯粹的数据科学和统计练习，R提供了最好和最快的工具和方法(特别是如果使用data.table包)，否则在Python中实现起来就更困难了(不过，我认为我们都是指Pandas )。事实上，大多数数据科学家确实使用R来进行他们的模型和计算，或者仅仅是为了观察数据的行为。

一旦练习完成，就应该将其提供给其他必须使用它的人(即部署)；为此，通常倾向于以Python提交代码，主要原因有两个：

1. 大多数体系结构都是用Python编写的，或者是Python友好的，因此用Python语言编写的模型更容易实现。
2. 语法和语法都非常复杂。我本人非常支持R，而不是其他任何东西，但是我不得不承认，语法并不是很简单，而且有一个非常精心挑选的学习曲线。

以上所述，只要有方法、库和包可用，就可以轻松地将R代码转换成任何其他语言(在Python中大多数是这样，所以这根本不是问题)。许多基础设施和数据库支持底层的R代码，因此可移植性并不是一个真正的问题，特别是如果一个人只需要提交计算结果(到目前为止，没有人真正看到底层代码)。

Java对纯粹的数据科学本身几乎没有任何用处(尽管斯坦福大学有一组用Java编写的机器学习NLP库，但请检查一下)。唯一的原因是它可以被要求，只是公司的其他人在很大程度上使用它，他们不想用新的东西取代它。