Хотел бы я чтобы этот вопрос был холиварным, но, к сожалению, мы п-R-оигрываем.
Мы знаем, что скриптовый язык это наш хлеб. В профессии популярны два языка, новомодный Python и олдскульный R. В чем разница и какой выбрать?
Думаю не стоит объяснять про Python, ты итак в курсе что это самый быстроразвивающийся и востребованный язык в сфере.
Поэтому если кратко — на старте выбирай Python.
А вот про R ты мог и не знать. Исторически он пришел из сферы фармацевтики, науки и библиотечного дела (what?). Это скриптовый язык с уклоном в статистику. У него из коробки, без всяких дополнительных пакетов, присутствует огромная база статистических методов. А если с пакетами, то за всю свою карьеру я лишь 2 раза столкнулся с задачами, которые было сильно проще решить с помощью Python (это алгоритм цепей Маркова и предиктор Catboost от Яндекса, который поддерживает R, но там даже документация не воспроизводится 🙂).
R прекрасно себя показывает в рисёрчах и расчётах экспериментов.
Если ты уже на чём-то писал, то синтаксис типа:
df_1 <- df %>% filter(col1 %in% df_2$col1) — может резануть глаз.
В РФ про R даже слышали не все аналитики, но в Европе и США он, до недавнего времени, был популярнее Python’а.
К тому же у него классный IDE — R Studio, красивейшие отчёты в markdown на базе Quarto, а фреймворк Shiny абсолютная реактивная киллфича.
Из минусов его работа с ML, он жрёт память как не в себя на миллионах строк. Да, Python тоже, но если я не могу завести модель на R из-за проблем с памятью, я просто иду в Python и завожу её там. Обычно помогает 🙂
Но главная проблема R это его непопулярность. С ним тупо сложнее найти работу. HR-фильтры требуют Python, не вникая в тот факт, что скриптовый язык аналитика чаще всего не интегрирован в поток разработки отдела, и что ты используешь это твоё дело. Хотя иногда и правда, команды могут, например, синхронить наработки в каком-нибудь Google Collab, который не поддерживает R.
Но в целом, со временем, никто не запрещает использовать оба языка для разных типов задач.