近期， 資料採擷資訊網站KDnuggets開展了一項調查， 問題是“2016年和2017年， 在資料分析、資料科學和機器學習工作中， 你使用R、Python、兩者都用， 還是其他工具？”
# 高能預警：下文含多張辣眼睛的配圖， 請做好防護……
對954名受訪者的調查顯示， Python尚未完全“吞噬”R， 但2017年Python生態系統已經超越了R， 成為資料分析、資料科學和機器學習領域領先的平臺， 同時也在迅速吸引其他平臺的用戶。
2016年， Python排名第二（“主要使用Python”占比為34%， “主要使用R”占比為42%）， 而在2017年的結果中， Python和R的占比分別為41%和36%。
在KDnuggets的讀者中， 同時使用R和Python的比例也從2016年的8.5%上升至2017年的12%， 而使用其他工具的比例從16%下降至11%。
△2016年和2017年， 在分析、資料科學、機器學習中， 使用Python、R、兩者都用、其他工具的份額
隨後， 我們可以看看用戶在不同平臺之間的轉移。
△從2016到2017年， 用戶在Python、R、兩者都用、其他工具間的轉移情況
上圖看起來有些複雜， 但我們可以專注於兩個關鍵方面。 Python在這兩個方面都保持領先。
忠誠度：Python用戶的忠誠度更高。 2016年， Python用戶中的91%仍然繼續使用Python。 而在R的用戶中， 這一比例只有74%， 在其他平臺中只有60%。
轉移比例：大約10%的R用戶轉移至Python， 但只有5%的Python用戶轉移至R。 在2016年同時使用兩種工具的用戶中， 只有49%仍然同時使用兩者， 而38%轉而主要使用Python， 只有11%轉而主要使用R。
接下來， 我們來看看最近幾年的變化趨勢。
△2014年到2017年， Python、R和其他平臺份額的變化
可以看到， R的份額正在緩慢下降（從2015年的約50%下降至2017年的約36%），
在2015年關於R和Python的調查中， 我們沒有提供“同時使用Python和R”的選項。 因此為了比較過去4年的資料， 我們將2016年和2017年Python和R的份額按照如下公式來計算：
Python總份額 = (Python份額) + 50%(同時使用Python和R的份額)
R總份額 = (R份額) + 50%(同時使用Python和R的份額)
最後， 讓我們看看各地區的趨勢和模式。 參與調查的用戶來自各地區比例如下：
美國/加拿大：40%
歐洲：35%
亞洲：12.5%
拉美：6.2%
非洲/中東：3.6%
澳大利亞/紐西蘭：3.1%
為了簡化表格， 對於“同時使用R和Python”的份額， 我們以同上的方式進行處理， 並將亞洲、澳大利亞/紐西蘭、拉美， 以及中東/非洲合併為“其他”地區。
△2016、2017年，Python、R、其他工具在各地區的使用情況
在這3大地區中，我們觀察到同樣的模式：
Python的份額上升8%到10%。
R的份額下降2%到4%。
其他平臺的份額下降5%到7%。
Python用戶的未來看起來很光明，但我們認為，考慮到當前使用者數規模龐大，R和其他平臺仍將在可預見的未來保持一定的份額。
劃重點劃重點：Python超過R，成為資料科學和機器學習的最常用語言。
人工智慧時代已經悄然而至，你還不加入我們嗎？
△2016、2017年，Python、R、其他工具在各地區的使用情況
在這3大地區中，我們觀察到同樣的模式：
Python的份額上升8%到10%。
R的份額下降2%到4%。
其他平臺的份額下降5%到7%。
Python用戶的未來看起來很光明，但我們認為，考慮到當前使用者數規模龐大，R和其他平臺仍將在可預見的未來保持一定的份額。
劃重點劃重點：Python超過R，成為資料科學和機器學習的最常用語言。
人工智慧時代已經悄然而至，你還不加入我們嗎？