用R語言的公司多嗎？

01-16

用R語言的公司多嗎？用R做數據分析或者數據挖掘的。本科生，想自學，R和Python都學了一點點。本科統計學。R用起來順手點..沒其他編程基礎...想知道市場人才需求方向。初次提問...希望有人給點解答啦！謝謝

之前在艾瑞諮詢實習的時候，我的leader（職位是高級數據挖掘工程師）跟我說，現在在企業中，R主要是用來做可視化（ggplot2確實強大），做建模分析主要是用Python，數據預處理主要是用SQL。他解釋到：R跑的慢，而且對於演算法的優化很有限（因為已經封裝好了）。用Python做建模分析，主要是從底層編寫演算法，這樣可以針對具體的問題，對演算法進行優化。再加上Python相對R而言跑得更快，所以Python在建模方面更有優勢。

嘗試回答一下，和大家探討。

互聯網行業計算機出身的人比較多，團隊里程序員同事一般會在數據分析師的周圍，一些數據需求也會由這些程序員導出。由於計算機專業的人偏好Python，所以Python在數據導出這部分佔了很大的比重。當然前提是SQL熟悉的情況下，使用Python結合SQL寫腳本導出數據。Python功能太強大，就不一一說明了，下面說說R比較厲害可用的地方。

R主要是統計出身的人喜歡用，但是在互聯網公司，這個真的是小眾，技術規定也不希望團隊使用，個人使用就沒問題。R在數據分析師平時的工作中，主要是統計建模，和可視化處理。由於rmarkdown能寫作自動報告，因此很適合用作自動化報表的開發，結合Linux環境crontab調度，可以很好地實現自動報表的功能。

擴展來說，R自動報表和可視化的能力，也很適合搭建在線模型監測系統和AB測試模型系統。比如說每天會在伺服器里跑一個統計模型，每日更新交易數據後，第二天調度更新模型。作為統計系出身的你，應該很清楚每個模型都需要做完備的假設檢驗，而這部分最好同時結合可視化的報告與檢驗的值去觀察下結論。這時候，由於自動分析報告已經就緒，你完全可以花幾分鐘觀察一下，再決定是否去調整某些參數。這裡的每日，可以頻繁到每小時甚至更短。當然，報告每天發一次估計就足夠了。

AB測試其實也主要是利用了自動報表，每天自動分析測試結果。結合模型方法，會有相當好的監測效果。更加統計的方面，是對測試用戶的均勻抽樣，這個抽樣是否均勻，也是可以可視化報告展現的。對應不同的測試要求，抽樣頻次同樣可以不同。真實情況中，測試抽樣用戶集的情況，直接影響是否正確實驗的成敗，我認為是非常非常重要的。不然，AB測試的結果不會可靠。

python+R+SQL/NoSQL，數據分析師的標配吧

正好在一家互聯網公司用R做數據分析，就來回答一下吧。

之前一直用R+SQL+excel來做數據分析，一些涉及到統計模型的東西用R做確實很方便，用SQL做初步過濾，用R做數據清洗和預處理，再用R邊探索數據邊建模，模型跑完後結果再寫回到資料庫里。模型測試成熟後可以用python或者R寫腳本，做成自動化分析，看個人喜好。

但是後來部門調整後，需要接觸hadoop平台上的其他業務數據，（沒錯就是大數據&>_&<）每次抓的數據量比以前大很多。用R做的時候內存吃不消。這時候就接觸到spark，Spark是支持python的，這時候python 就有用武之地了。對的，大數據平台下python使用得更多一些。

至於中小量的數據處理和分析，個人覺得，用R或python都可以。因為都是載入在單機內存中運算的，只要內存吃得消，都能算。但是python作為一門編程語言確實和其他語言平台結合地更好一些。

互聯網行業行業本身的行業風格是偏向自由靈活化，只要能分析出合理需要的結果，是不太在意你用R用python用SAS的（SAS可能會在意，畢竟是需要花錢購買的，成本在那裡）。

金融行業呢，不太了解，據說還是SAS，也見到過需要R的。

以上

用R做數據分析和數據挖掘的電子商務公司還是比較多的，比如阿里、京東、1號店等，分析團隊中部分同事會使用R作為分析工具。

分析挖掘工具有很多，R是其中之一。

R語言環境很好搭建，只要一台內存較大的Linux伺服器就行，在上面安裝 RStudio Server（支持多人通過瀏覽器界面登錄使用），並且使得該環境與資料庫伺服器通信即可（可讀可寫）。

基本流程是，從資料庫載入數據到R環境，分析/挖掘在R中完成，並且可將結果回寫到資料庫中。

這是針對數據分析和挖掘挖掘而言。

不過，用R來做報表和報告是不合適的，用來作為抓取數據的程序也是不合適的，這些都是開發工作，請交給程序員來完成（數據分析師可以作為產品設計師/數據產品經理提出需求）。

R，是統計分析的語言，是「分析」工具，不是「開發」工具！

上面的回復多數是從數據分析的角度評論R，我想從數據分析之後的角度comment一下：

我們數據分析之後需要將分析出來的結果做成報告( 或者是模型，儀錶盤等), R做報告的時候可以用R markdown，python可以用IPython。如果是做模型或者儀錶盤的話，雖然R也有很多包可以完成這個任務，但是你會發現python會有更多resource可以融合，使用更靈活，而R里的各種包里function是固定好的，相對更依賴製作package的作者。總的來說，用R做數據分析和報告都很便捷，需要熟練掌握，在這個基礎上儘力學好python。這樣的話在以後做任何數據產品的時候將會更得心應手。

自己一直是R為主，python為輔的搭配。過去做中低頻量化交易策略的研發，R處理起來沒問題。16年加入目前的公司後，我們做了一個主打銀行理財的數據平台，其中有不少涉及較複雜統計分析模型但更新頻率較低（非實時更新，一天或者每隔一兩個小時更新一次）的模塊，都應用R來實現，十分的便利。此外，很多回答里也說到了，R可以方便地開發可視化原型和撰寫技術文檔/工作文檔，這點我們也大量地應用在了工作中。再者，搭建RStudio server版本，並搭配git，可以方便地開展協作。

再說說R的劣勢。R的最大劣勢是天然的，畢竟不是編程語言，因此在效率極端重要的場合，就不太適用。另外，由於R只能單線程，且每個實例佔用的內存都不小，因此難以應用於並發的場景。

以上供參考。

先說點虛的，R語言從世界編譯語言排行44上升到12名；

然後，以我目前了解，無論是電子商務、通信、金融都有很多實用R，因為它的開源性以及眾多包和介面，使得很多人都在實用。

最後，前幾天看到一些JD，上面寫著實用R語言18個月，薪資15-25K。

R和Python都要會就對了！

公司大了，用什麼的都有，英雄不問出處，好的分析結果也不局限與某一工具與語言，追隨趨勢的一個好處就是有問題的時候更容易搜到答案。回歸到問題本身：

R開源且免費，所以很多公司把R集成到了自己的系統、平台、產品中，例如最新版的SQL Server和Azure等；
CRAN和Github上有很多package，這些package提供了一些常用軟體的R介面，使得R具備了讀取、處理相應格式數據的能力，往往具有1+1&>2的效果，例如一些GIS軟體和Weka等；

想問下樓主，現在是什麼情況，有沒有什麼好的學習方法推薦

正準備學習R,

python之前就會

分析用r,開發用c sharp,做量化的

在美某對沖基金 Quant主要用R IT用Python的多

留名

R vs python 各有長短，學起來了，很多兩者通用。

用很多

R是一款效率很高的開源軟體。在編程語言中排名在前五（忘了在哪個網站上看到的數據）

我們公司是這樣的，你樂意用什麼你就用什麼。同時，給團隊也是這樣建議的，你覺得你牛X，只要能完成任務，好，用EXCEL我也不會反對的。我們是一家商業智能的公司，R普遍都會用，一半人都是非常精通的（就8個人的團隊），畢竟都是統計學出身。

用R的人還蠻多的。

數據分析師這個工作性質，大家協同作戰的場景少，多數情況下是每個人一個課題然後自己研究自己的，基本上是各種工具都有，不太可能形成一個公司的分析師統一用一種工具。

如果說一個公司的分析師一種工具的使用佔比達到60%即認為該工具為這個公司的工具的話，排名應該是excel、sas、r或者python....

我本科也是統計學，不錯我們主要學spss和sas，r是自學的