用R语言的公司多吗？用R做数据分析或者数据挖掘的。本科生，想自学，R和Python都学了一点点。本科统计学。R用起来顺手点..没其他编程基础...想知道市场人才需求方向。初次提问...希望有人给点解答啦！谢谢
回复内容：
也说虚一点的话，生物界用R的很多，互联网的话，貌似python比R火一点，因为python比R应用范围广，而且互联网界码农较多，搞统计的较少……
来点实在一点的，你可以用R或者PYTHON自己去写一个爬虫，去爬一下如拉勾网-最专业的互联网招聘平台
，NLPJob
或者英才网乃至国外的一些知名招聘网站，看看里面1000个岗位，要R的有多少，要python的有多少，既锻炼技术，又能直观了解行情，还玩一下你的技术，我之前刚玩爬虫的时候，首先爬的就是招聘网站信息罒__罒
爬虫，R指路rvest+rcurl 之前在艾瑞咨询实习的时候，我的leader（职位是高级数据挖掘工程师）跟我说，现在在企业中，R主要是用来做可视化（ggplot2确实强大），做建模分析主要是用Python，数据预处理主要是用SQL。他解释到：R跑的慢，而且对于算法的优化很有限（因为已经封装好了）。用Python做建模分析，主要是从底层编写算法，这样可以针对具体的问题，对算法进行优化。再加上Python相对R而言跑得更快，所以Python在建模方面更有优势。 上面的回复多数是从数据分析的角度评论R，我想从数据分析之后的角度comment一下：
我们数据分析之后需要将分析出来的结果做成报告( 或者是模型，仪表盘等), R做报告的时候可以用R markdown，python可以用IPython。如果是做模型或者仪表盘的话，虽然R也有很多包可以完成这个任务，但是你会发现python会有更多resource可以融合，使用更灵活，而R里的各种包里function是固定好的，相对更依赖制作package的作者。总的来说，用R做数据分析和报告都很便捷，需要熟练掌握，在这个基础上尽力学好python。这样的话在以后做任何数据产品的时候将会更得心应手。 尝试回答一下，和大家探讨。
互联网行业计算机出身的人比较多，团队里程序员同事一般会在数据分析师的周围，一些数据需求也会由这些程序员导出。由于计算机专业的人偏好Python，所以Python在数据导出这部分占了很大的比重。当然前提是SQL熟悉的情况下，使用Python结合SQL写脚本导出数据。Python功能太强大，就不一一说明了，下面说说R比较厉害可用的地方。
R主要是统计出身的人喜欢用，但是在互联网公司，这个真的是小众，技术规定也不希望团队使用，个人使用就没问题。R在数据分析师平时的工作中，主要是统计建模，和可视化处理。由于rmarkdown能写作自动报告，因此很适合用作自动化报表的开发，结合Linux环境crontab调度，可以很好地实现自动报表的功能。
扩展来说，R自动报表和可视化的能力，也很适合搭建在线模型监测系统和AB测试模型系统。比如说每天会在服务器里跑一个统计模型，每日更新交易数据后，第二天调度更新模型。作为统计系出身的你，应该很清楚每个模型都需要做完备的假设检验，而这部分最好同时结合可视化的报告与检验的值去观察下结论。这时候，由于自动分析报告已经就绪，你完全可以花几分钟观察一下，再决定是否去调整某些参数。这里的每日，可以频繁到每小时甚至更短。当然，报告每天发一次估计就足够了。
AB测试其实也主要是利用了自动报表，每天自动分析测试结果。结合模型方法，会有相当好的监测效果。更加统计的方面，是对测试用户的均匀抽样，这个抽样是否均匀，也是可以可视化报告展现的。对应不同的测试要求，抽样频次同样可以不同。真实情况中，测试抽样用户集的情况，直接影响是否正确实验的成败，我认为是非常非常重要的。不然，AB测试的结果不会可靠。 先说点虚的，R语言从世界编译语言排行44上升到12名；
然后，以我目前了解，无论是电子商务、通信、金融都有很多实用R，因为它的开源性以及众多包和接口，使得很多人都在实用。
最后，前几天看到一些JD，上面写着实用R语言18个月，薪资15-25K。 用R做数据分析和数据挖掘的电子商务公司还是比较多的，比如阿里、京东、1号店等，分析团队中部分同事会使用R作为分析工具。
分析挖掘工具有很多，R是其中之一。
R语言环境很好搭建，只要一台内存较大的Linux服务器就行，在上面安装 RStudio Server（支持多人通过浏览器界面登录使用），并且使得该环境与数据库服务器通信即可（可读可写）。
基本流程是，从数据库载入数据到R环境，分析/挖掘在R中完成，并且可将结果回写到数据库中。
这是针对数据分析和挖掘挖掘而言。
不过，用R来做报表和报告是不合适的，用来作为抓取数据的程序也是不合适的，这些都是开发工作，请交给程序员来完成（数据分析师可以作为产品设计师/数据产品经理提出需求）。
R，是统计分析的语言，是“分析”工具，不是“开发”工具！ 正好在一家互联网公司用R做数据分析，就来回答一下吧。
之前一直用R+SQL+excel来做数据分析，一些涉及到统计模型的东西用R做确实很方便，用SQL做初步过滤，用R做数据清洗和预处理，再用R边探索数据边建模，模型跑完后结果再写回到数据库里。模型测试成熟后可以用python或者R写脚本，做成自动化分析，看个人喜好。
但是后来部门调整后，需要接触hadoop平台上的其他业务数据，（没错就是大数据>_<）每次抓的数据量比以前大很多。用R做的时候内存吃不消。这时候就接触到spark，Spark是支持python的，这时候python 就有用武之地了。对的，大数据平台下python使用得更多一些。
至于中小量的数据处理和分析，个人觉得，用R或python都可以。因为都是加载在单机内存中运算的，只要内存吃得消，都能算。但是python作为一门编程语言确实和其他语言平台结合地更好一些。
互联网行业行业本身的行业风格是偏向自由灵活化，只要能分析出合理需要的结果，是不太在意你用R用python用SAS的（SAS可能会在意，毕竟是需要花钱购买的，成本在那里）。
金融行业呢，不太了解，据说还是SAS，也见到过需要R的。
以上 python+R+SQL/NoSQL，数据分析师的标配吧 私募基金做统计套利会用，用得很广泛。我老师是一家私募基金的合伙人，他用R很多年了。
但一些咨询公司还是用商用的SAS，按实习老板的话说因为R是免费的，他们觉得不太放心， 所以做项目还是得用商用的SAS。
另外一个统计公司的朋友说他们都用SPSS，理由是完整版的SPSS很强大，只是我没见过而已。R太学院派，数据处理能力比不上商用软件。
我的观点是会R肯定是加分项。基金公司和证券公司的量化团队基本都认。 R vs python 各有长短，学起来了，很多两者通用。
