Esta es una pregunta muy general y trataré de responder lo más detalladamente posible. Para comenzar con el pie derecho, primero le sugiero que eche un vistazo a Elegir R o Python para el análisis de datos. Una infografía para tener una idea del alcance de Python para aplicaciones de ciencia de datos .
Verás que Python es genial cuando quieres hacer aprendizaje automático o cuando recién estás comenzando con la ciencia de datos, mientras que R todavía tiene la ventaja cuando se trata de modelado estadístico y visualización. Sin embargo, Python definitivamente se está poniendo al día con esto, al igual que R se está poniendo al día en las áreas donde Python es muy fuerte en este momento. La elección entre los dos depende principalmente de su experiencia previa, su industria, el problema de la ciencia de datos que intenta resolver y el tiempo / costo que está dispuesto a utilizar para aprender Python / R.
Pero, aparte de la elección de un idioma u otro, lo que tal vez sea más importante, recientemente se han realizado esfuerzos considerables para unir los dos idiomas en proyectos / aplicaciones de ciencia de datos; Piense en los cuadernos Jupyter Notebook o RStudio, donde puede usar ambos idiomas u otras bibliotecas que ‘traducen’ Python a R y viceversa.
- ¿Por qué se utiliza el índice de mapa de bits en el almacenamiento de datos?
- ¿Cuál es la diferencia entre Big Data y Hadoop?
- ¿Qué tan grandes son los componentes necesarios para acceder a los datos desde Wi-Fi?
- ¿Qué papel juegan las estadísticas en la ciencia de datos en comparación con habilidades como programación o visualización y comunicación?
- ¿Cuáles son los procesos involucrados en el Servicio de refinamiento de datos?
Cuando se habla del alcance de Python para la ciencia de datos desde el punto de vista de las personas en la industria de la ciencia de datos (la perspectiva más humana), diría que el alcance también es muy amplio: R y Python son muy populares , pero especialmente Python ha ganado mucha popularidad en los últimos años porque, como otros han mencionado, es un lenguaje de propósito general que mucha gente ya conoce y que generalmente se considera un lenguaje fácil para principiantes.
Pero, incluso más que eso, lo que a menudo se olvida en las respuestas a este tipo de preguntas es el hecho de que muchas personas que están aprendiendo ciencia de datos buscan cambiar sus carreras: por ejemplo, los desarrolladores web que conocen Python quieren agregar ciencia de datos a su conjunto de habilidades (desarrollo web de Python a Python Data Science, cambio de desarrollo web a ciencia de datos). Otro ejemplo son los administradores del sistema. Usted ve, el alcance es muy, muy amplio!