五分鐘入門R與Python—使用情境與資源分享
資料分析工具百百種，有容易操作資料、視覺化的BI工具、常用於各領域的分析模型套裝軟體等等，但對於想做資料分析、資料科學的人，「程式語言」可以說是現今不可或缺的能力，而R與Python則可以稱為資料科學領域最熱門的兩個程式語言。
關於R與Python的差異，許多文章都已詳細探討，這篇文章主要想分享自己在資料分析過程中使用兩者的情境，並分享學習過程中好用的資源。
．使用情境
R—適合做統計建模與視覺化
就個人經驗，我認為R語言適合用於統計計算、建模與視覺化，因為R語言語法更接近統計學中使用的符號和表達，因此在做統計建模時，相較Python寫起來更直觀，呈現結果也比較接近常見的樣式。另外，R的另一個強項就是「資料視覺化」，因為程式語言的高度彈性，讓R在進行資料視覺化時可以客製化加上任何想要的東西，並有參數可以調整位置、樣式、顏色、大小等等。
在使用上，R語言另一個最吸引我的點，就是若使用R Studio，有執行的變數與Data都會呈現在旁邊，可以點開看資料的樣態，也可以看變數究竟是什麼，這一點在操作上很方便。
R在統計跟資料視覺化有豐富的packages，列舉幾個常用的如下。
- 資料清洗與處理：dplyr、tidyr(資料清洗與整理)、readr(數據讀取)、data.table(data frame以外的選擇，有許多好用的資料處理方法)
- 資料視覺化：ggplot2、lattice
- 統計建模與計量經濟學：stats(統計模型和函數)、lm、glm、plm(一些線性模型)
- 時間序列分析：forecast、tseries
- 機器學習：caret(分類和迴歸模型)、randomForest(隨機森林演算法)、rpart(決策樹演算法)、e1071(支持向量機演算法)、xgboost(梯度提升樹演算法)
- 自然語言處理與文本數據：tm(文本挖掘與自然語言處理)、quanteda(文本分析)
- 網絡爬蟲：rvest(網頁抓取與解析)
更多詳細介紹可參考「R語言常用好用套件紀錄」。
Python—適合做深度學習、流程自動化
Python有大量用於資料科學的模組，如NumPy、Pandas、Matplotlib、Scikit-learn等。此外，Python還有非常多其他模組的支持，使其在各個領域都有強大的功能，例如機器學習、深度學習、NLP、網站開發、網路爬蟲、使用者介面等。
Python強大的地方在於廣大的資源，並且有相較R語言還要優秀的效能，例如，可以寫多端緒(multi-thread)、用GPU執行等。因為其方便性，愈來愈多人投入開發，因此在深度學習、AI領域中，Python是開發者的最佳選項之一，若是要做AI，Python是不二選擇。
Python 的資料分析模組：
- 資料處理： NumPy、SciPy、Pandas
- 資料視覺化： Matplotlib、Seaborn、 Plotly
- 統計建模：Statsmodels、Prophet
- 機器學習：SciKit-Learn、xgboost、lightgbm
- 深度學習： TensorFlow、Pytorch、Keras
- 自然語言與文本資料處理： NLTK、Gensim
- 網站開發：Django、Flask
- 網路爬蟲： Request、beatifulsoup、Scrapy
- GUI：Tkinter、PyQt
．資源分享
R
- R 資料科學與統計：很棒的網頁，從R的安裝開始一步步教學，包括R語言的資料型態、函式、資料處理等。
- R for Data Science：這個網站是英文版的免費資源，中文版的可以參考中文版書籍（R資料科學），如果有一些R的基礎後，再看這本書會收穫滿滿。本書聚焦在tidyverse這個R套件集合，清楚了介紹了R語言進行資料分析的所有必要步驟，從資料輸入(import)、資料清洗(tidy)、資料轉換(transform)、視覺化(visualise)、建模(model)到利用R Markdown來撰寫詮釋(communicate)。推薦本書的原因，是他除了有詳細解釋tidyverse如何在實務上使用，也有提供練習題可以直接操作，一番學習下來，對於資料科學的流程便瞭若指掌！
資料來源：R for Data Science
- ccClub：ccClub是一個每年都會招生的Python社群，只要繳保證金，若全程參加就可以退，是很適合Python初學者參加的課程。而它們也有網站和Medium，上面的連結是Medium，入門者可以從第0講開始看，是文字版的，一邊看一邊練習，省時又有效，可以快速掌握Python的基本概念和語言邏輯。
- Coursera商管程式設計：商管程式設計是台大的課程，這堂課很適合商管的人學Python，還有許多練習題可以做，照著課程走，除了學習基礎外，也可以學到如何用基礎程式設計實現一些有趣的功能，是學起來很有成就感的一門課！
- 蔡炎龍--成為python數據分析達人的第一門課：這個課程從Python基礎概念、資料處理(Pandas)到機器學習建模。我認為適合已經有基礎訓練的人，因為老師講的東西很多，課程數量較多，但是都蠻實用的，如果有掌握基礎功後再上課會比較上手。
．總結
除了上面的分享外，現今在生成式AI崛起下，學習程式、撰寫程式又多了一條捷徑，下一篇文章，我會介紹如何用AI幫助學習程式語言。其實，不管是R、Python或是其他程式語言，在網路上幾乎都有豐富的學習資源，學好的訣竅無他，便是不斷汲取新知與實作練習。
