Nieuws
Werken bij
Contact
QlikQlik
QlikQlik Cloud
powerbiPower BI
timextenderTimextender
alteryxAlteryx
snowflakeSnowflake
Data Management
Data Connectiviteit
Data Hosting
Data Storage
Data Science
Data Analytics
Open het menu
sluit het menu

Python of R?

2 programmeertalen - dat zijn de verschillen
Als we het hebben over data science dan zijn er twee programmeertalen die veel gebruikt worden namelijk Python en R. Uiteraard zijn er nog veel meer talen zoals SQL, MatLab, Julia etc. maar deze twee talen springen eruit onder de typische gebruikersgroep zijnde data wetenschappers (data scientist). We zien overigens de laatste jaren ook een groei in data analisten die steeds meer met deze tools gaan werken. Op het eerste gezicht lijken de mogelijkheden van Python en R erg op elkaar, maar voor de kenner zijn er duidelijke verschillen. Hieronder een korte uiteenzetting over de verschillen, overeenkomsten en aanbevelingen vanuit Victa.
a

Wat is Python?

Python is een bredere taal dan R en is bovendien toonaangevend in de data science wereld. Er zijn wat minder analysemogelijkheden dan in R, maar daarentegen kun je met Python beter analyses op grote schaal (big data) uitvoeren of binnen bredere applicaties of websites. Python is aan een indrukwekkende opmars bezig op het gebied van kunstmatige intelligentie/machine learning. Vanuit BI perspectief is Python zeer geschikt voor ophalen, opschonen en wegschrijven van data. Pandas (python library) is heel geschikt voor de data- analyse en manipulatie. Matplotlib wordt gebruikt voor het visualiseren van pandas dataframes. Ook hier geldt dat voor productiedoeleinden (eindgebruikers) eerder gekozen kan worden voor Qlik of Power BI. Jupyter notebook is voor het overzichtelijk en inzichtelijk maken van de analyse.

a

Wat is R?

R is een taal waarin je gespecialiseerde en algemene statistische analyses uitvoert. De enorme database met packages (meer dan tienduizend) zorgt ervoor dat je voor vrijwel iedere analyse perfect terecht kunt in R. De taal is ontwikkeld door academici en statistici en heeft een zeer gedegen basis. Bovendien zijn er goede mogelijkheden binnen R voor het rapporteren en visualiseren van uitkomsten. Dit is alleen lang niet zo compleet en vriendelijk als in Qlik of Power BI. Vaak zie je dat je deze functie gebruikt als je exploratief aan het onderzoeken bent en je het eindresultaat met de business users wil delen op andere platformen zoals Qlik en Power BI.

a

Wat zijn de verschillen tussen Python en R?

Naast bovenstaande overeenkomsten zijn er ook verschillen. Het is belangrijk om op de hoogte te zijn van deze verschillen voordat je de keuze maakt voor één van de twee talen.
• R is veel lastiger te leren als je nog geen programmeerkennis hebt. Python code is intuïtief waardoor je ook als leek op het gebied van programmeren snel begrijpt wat er staat in een Python script.
• R wordt gebruikt door academici en binnen R&D afdelingen, Python door ontwikkelaars/ programmeurs
• Python is beter met big data toepassingen dan R
• Python is leidend in machine learning en kunstmatige intelligentie
• Het overgrote deel van data-analyses kan in Python gedaan worden met slechts enkele packages (Numpy, Pandas, Scikit-learn, en Seaborn)
• Python integreert beter in applicaties of websites
• R is echt voor statistische analyses, Python breder toepasbaar. Hierdoor is R vooral geschikt voor zeer specifieke analytische werkzaamheden waar specialistische packages voor ontwikkeld zijn.
• Python code is robuuster en makkelijker te onderhouden dan R code.
• R heeft standaard mooie mogelijkheden om output van analyses te communiceren, in Python is dit minder. Python heeft hier wel een grote inhaalslag gemaakt, waardoor verschillen kleiner zijn geworden.

Hoe maak ik een keuze?
Wil je een goede data scientist worden? Dan leer je in de ideale wereld beide talen. Omdat iedere taal unieke kwaliteiten heeft moet je jezelf als data scientist onderscheiden als je kunt werken met beide talen. Helaas is dit niet voor iedereen mogelijk gezien de tijdsinvestering die met het leren van beide talen gepaard gaat.

Om je te helpen met het maken van een goede keuze in jouw situatie kun je jezelf de volgende vragen stellen:
  • Wat gebruiken mijn collega’s? Door zoveel mogelijk in dezelfde taal te werken breng je enorme voordelen voor jezelf en voor de organisatie. Je kunt samen nadenken als je vastloopt, sneller werken door samen aan andere aspecten van een probleem te werken, of voortbouwen op wat er al is binnen jouw organisatie.
  • Wat gebruiken concurrenten? In bepaalde sectoren kan een van de twee talen toonaangevend zijn. Zo is R in de bio informatica de logische keuze. Je kunt erachter komen door gesprekken aan te gaan met con-collega's, door beschikbare packages te bekijken, of door vragen te stellen in online communities.
  • Ken je al een andere programmeertaal? Zo niet, dan is Python een stuk toegankelijker. Lees ook: hoelang duurt het om Python te leren?
  • Zit je in een software ontwikkelomgeving? Kies dan voor Python i.v.m. mogelijke integraties.
  • Wil je jouw analyses in productie brengen binnen operationele processen? Dan is Python leren veel slimmer.
  • Wil je specialistische statistische analyses of onderzoek doen? Zoek van tevoren uit welke taal de meest passende packages heeft, de mogelijkheden binnen R zullen breder zijn.
  • Wil je je kans op een baan als data scientist maximaliseren? In vacatures wordt vaker Python dan R gevraagd.
Conclusie en aanbevelingen
Conclusie en aanbevelingen
Vanuit Victa kunnen we beide oplossingen aanbieden maar er is een duidelijke voorkeur voor Python op dit moment. Python is voor BI toepassingen veel breder inzetbaar en biedt meer mogelijkheden dan R. R is echt gericht op statistiek en met BI willen we vaak meer dan alleen statistiek, zo willen we vaak ook direct integreren met andere toepassingen en willen we ook meer gebruik maken van andere functies en toepassingen met name gericht op ETL, Big Data, KI en Machine Learning.

Wat we in praktijk ook zien is een hybride oplossing, wat inhoudt dat je een combinatie gebruikt van beide. Stel er is een bijzonder goed R model ontwikkeld dan kun je die ook aanroepen vanuit een python script of zelfs direct vanuit een visual analytics tool zoals Qlik, Power BI of Alteryx.

Wat we bij Victa vaak doen is Python gebruiken bij Predictive Analytics. Hierbij hanteren we de “Circle of Predictive Life”. Data zit vaak reeds in een datawarehouse of data lake en is gevisualiseerd en samengebracht in Qlik Sense. Relevante data filteren we hieruit en bieden we aan middels een CSV-export in een Python script die de data inleest, aanpast en verrijkt (ETL). Als de data klaar is zoals we het willen hebben dat roepen we speciale packages aan die aan de aan de slag gaan met deze data. Deze output exporteren we dan weer naar een CSV (of blob storage, database/warehouse/lake) en gebruiken het weer in een visual analytics tool zoals Qlik. In Qlik proberen we de veelal ingewikkelde output weer om te zetten in actionable insights voor de eindgebruiker en proberen we meer predictieve (voorspellende) waarde uit de data te halen voor het maken van betere data gestuurde beslissingen.
Agreements
Disclaimer
Privacy