1. R 和 python 用於統計學分析，哪個更好
總的概括：R主要在學術界流行，python(numpy scipy)在工程方便比較實用。
R是S（Splus）的開源版本，或者下一代。發源地在紐西蘭奧克蘭。這個軟體的統計背景很濃烈。我這里濃烈的意思是，如果你不熟習統計知識（歷史）的話，R的幫助文檔看起來是很累的。由統計背景的人開發。R的維護組叫CRAN-R。在生物信息方便，有個叫bioconctor的組織，裡面有很多生物信息方面可以用的軟體包，他們有一套自己維護package系統。
Python是個綜合語言（這里特指指CPython解釋器），numpy scipy是數值計算的擴展包，pandas是主要用來做數據處理（numpy依賴），sympy做符號計算（類似mathematica？）此外還有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已經到了可用的水平了。是讀計算機的人寫的統計包。ipython 更新到1.0以後，功能基本完善，其notebook非常強大（感覺就像mathematica)而且還是基於web，在合作分享方面非常好用。
性能：
大家都說R慢，特別是CS的人。其實這里主要是兩點：一個R裡面數組的調用都是用復制的，二是Rscript慢。三是處理大數據慢。如果R用的好的話，R是不太慢的。具體來說就是Rscript用的少，多用命令，跑點小數據。這樣的話，實際在跑的都是背後的fortran和C庫。他們都有快二三十年歷史了。可謂異常可靠，優化得不能再優化了（指單線程，如果去看源代碼揮發先許多莫名的常數，永用了以後精度高速度快！）。比如一個自己編寫一個R腳本，loop套loop的那種，那真是想死的心都會有。外加一點，R處理文本文件很慢！
Python歸根揭底還是個有解釋器的腳本語言，而且有致命傷——GIL，但python最難能可貴的就是它很容易變得更快。比如pypy，cython，或者直接ctypes掛C庫。純python寫個原型，然後就開是不斷的profiling和加速吧。很輕易可以達到和C一個數量級的速度，但是寫程序、調試的時間少了很多。
並行計算：
R v15 之後有了自帶的parallel包，用挺輕松的。不過其實就是不停的fork，或者mpi，內存消耗挺厲害的。parSapply，parApply什麼的，真是很好用。
Python雖然有GIL——並行計算的死敵，但是有multiprocessing(fork依賴) ，是可以共享數據的什麼的，估計內存消耗方面比R好點，數據零散的話overhead很多。到了MPI的話，mpi4py還是挺好用的。用cython的話結合openmp可以打破GIL，但是過程中不能調用python的對象。
學習曲線：假設什麼編程都不會的同學。
R一開始還是很容易上手的，查到基本的命令，包，直接print一下就有結果了。但是如果要自己寫演算法、優化性能的時候，學習難度陡增。
Python么，挺好學的，絕大多數的幫助文檔都比R好了許多。有些包用起來沒R方便。總的來說深入吼R陡。
擴展資源：
基本上新的統計方法都會有R的package，安裝實用都不麻煩。但是基本上都是搞統計的人寫的計算機包。所以效能上可能有問好。比較出名的有兩個包的管理網站，cran-r 和bioconctor。 所以搞生化的估計R用起來很方便。
python的統計計算包們比R少，多很年輕，還在不斷的開發中。優於是計算機人寫的統計包，用起來的時候要多漲個心眼。
畫圖：
R自帶的那些工具就挺好用了，然後還有ggplot這種非常優美的得力工具。
python 有matplotlib，畫出來效果感覺比R自帶的好一些些，而且界面基於QT，跨平台支持。可能是R用得多了，pyplot用起來還是不太順手，覺得其各個組建的統一性不高。
IDE：
Rstudio非常不錯，提供類matlab環境。（用過vim-r-plugin，用過emacs + ess現在用vim。）
windows 下有python(x,y) 還有許多商業的工具。（本人現在的emacs環境還不是很順手~）
建議：
如果只是處理（小）數據的，用R。結果更可靠，速度可以接受，上手方便，多有現成的命令、程序可以用。
要自己搞個演算法、處理大數據、計算量大的，用python。開發效率高，一切盡在掌握。
ps：盲目地用R的包比盲目的地用python的包要更安全。起碼R會把你指向一篇論文，而python只是指向一堆代碼。R出問題了還有論文作者、審稿人陪葬。
2. 如何利用python進行數據分析
近年來分析學在數據、網路、金融等領域獲得了突出的地位。應用各種軟體組合起來進行數據收集，數據管理，以及數據分析，得出的結論用作商業決策，業務需求分析等等。分析學用於研究一個產品的市場效應，銀行的貸款決定，這些都只是分析學的冰山一角。它在大數據，安全，數字和軟體分析等領域有很深遠的影響，下面是Python在分析學中的主要作用的一個延續：
在這個信息過載的世界，只有那些可以利用解析數據的優勢來得出見解的人會獲益。Python對於大數據的解釋和分析具有很重要的作用。分析公司開發的很多工具都是基於Python來約束大數據塊。分析師們會發現Python並不難學，它是一個強有力的數據管理和業務支持的媒介。
使用單一的語言來處理數據有它的好處。如果你以前曾經使用過C++或者Java，那麼對你來說，Python應該很簡單。數據分析可以使用Python實現，有足夠的Python庫來支持數據分析。 Pandas是一個很好的數據分析工具，因為它的工具和結構很容易被用戶掌握。對於大數據來說它無疑是一個最合適的選擇。即使是在數據科學領域，Python也因為它的「開發人員友好性」而使其他語言相形見絀。一個數據科學家熟悉Python的可能性要比熟悉其他語言的可能性高得多。
除了Python在數據分析中那些很明顯的優點(易學，大量的在線社區等等)之外，在數據科學中的廣泛使用，以及我們今天看到的大多數基於網路的分析，是Python在數據分析領域得以廣泛傳播的主要原因。
不論是金融衍生品還時大數據分析，Python都發揮了重要的作用。就前者而言，Python能夠很好地和其它系統，軟體工具以及數據流結合在一起，當然也包括R。用Python來對大數據做圖表效果更好，它在速度和幫助方面也一樣可靠。有些公司使用Python進行預測分析和統計分析。
3. 使用Python做數據分析的優點是什麼
最近幾年，大數據的發展程度越來越明顯，很多企業由於使用了大數據分析使得企業朝著更好的方向發展，這就導致的數據分析行業的人才開始稀缺起來，對於數據分析這個工作中，是需要學會一些編程語言的，比如MATLAB，Python，Java等語言。對於初學者來說，Python是一個不錯的語言，Python語言簡單易懂，同時對於大數據分析有很明顯的幫助。那麼使用Python做數據分析的優點是什麼呢？一般來說就是簡單易學、語言通用、存在科學計算活躍區域等等。
首先說說Python的第一個優點，那就是簡單易學。很多學過Java的朋友都知道，Python語法簡單的多，代碼十分容易被讀寫，最適合剛剛入門的朋友去學習。我們在處理數據的時候，一般都希望數據能夠轉化成可運算的數字形式，這樣，不管是沒學過編程的人還是學過編程的人都能夠看懂這個數據。
Python在數據分析和交互、探索性計算以及數據可視化等方面都顯得比較活躍，這就是Python作為數據分析的原因之一，python擁有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科學計算方面十分有優勢，尤其是pandas，在處理中型數據方面可以說有著無與倫比的優勢，已經成為數據分析中流砥柱的分析工具。
Python也具有強大的編程能力，這種編程語言不同於R或者matlab，python有些非常強大的數據分析能力，並且還可以利用Python進行爬蟲，寫游戲，以及自動化運維，在這些領域中有著很廣泛的應用，這些優點就使得一種技術去解決所有的業務服務問題，這就充分的體現的Python有利於各個業務之間的融合。如果使用Python，能夠大大的提高數據分析的效率。
python是人工智慧時代的通用語言
Python對於如今火熱的人工智慧也有一定的幫助，這是因為人工智慧需要的是即時性，而Python是一種非常簡潔的語言，同時有著豐富的資料庫以及活躍的社區，這樣就能夠輕松的提取數據，從而為人工智慧做出優質的服務。
通過上面的描述，想必大家已經知道了使用Python做數據分析的優點是什麼了吧，Python語言得益於它的簡單方便使得在大數據、數據分析以及人工智慧方面都有十分明顯的存在感，對於數據分析從業者以及想要進入數據分析從業者的人來說，簡單易學容易上手的優勢也是一個優勢，所以，要做好數據分析，一定要學會Python語言。
4. arcgis 怎麼用python做統計分析
方法/步驟
1
打開arcmap軟體，點擊工具欄上的ArcToolbox工具箱，在工具箱裡面選擇要進行數據處理的工具（工具的選擇視數據處理的內容而定），本文選擇了「Define Projection」定義投影的工具進行說明。
雙擊此工具，在彈出的工具窗口點擊右下角的「Show Help>>」按鈕。
2
點擊「Tool Help」按鈕，此時就打開了軟體的幫助文檔並定位到了此工具（define projection）對應的頁面，往下拉動滾動條，定位到此工具的python腳本的內容：
Syntax 介紹了此工具腳本的語法
Code Sample 介紹了腳本使用的例子
拷貝腳本使用例子裡面的代碼。
3
在軟體的主界面點擊「Geoprocessing」菜單-->點擊「Python」菜單項，即出現內嵌在arcigis中的python工具窗口。
python工具窗口的左邊是代碼編輯區域，右邊是信息提示區域。
4
把第2步拷貝的代碼語句粘貼到python工具窗口的左邊區域，修改一下工具腳本的參數（視具體工具和數據而定），連續點擊兩下回車鍵。
5
等待腳本程序的執行完成，完成之後在桌面右下角會彈出提示信息，同時pythong工具窗口的右邊區域也會有具體的工具腳本執行信息。
6
執行完成之後，在arcmap載入處理過的數據，右鍵查看屬性，可以看到通過此工具腳本（define projection）進行投影定義的數據已經具有了投影參數。
http://jingyan..com/article/eae07827ba96a51fec548513.html
5. 請問python主要應用領域是什麼,哪方面用的多了....
Web開發：最火的Python Web框架Django，支持非同步高並發的Tornado框架，短小精悍的flask，bootle，Django官方的標語把Django定義為the framework for perfectionist with deadlines(大意是一個為完全主義者開發的高效率Web框架)。
網路編程：支持高並發的Twisted網路框架，py3引入的asyncio使非同步編程變得非常簡單。
爬蟲：在爬蟲領域，Python幾乎是霸主地位，Scrapy、Request、BeautifuSoap、urllib等，想爬什麼爬什麼。
雲計算：目前最火的知名的雲計算框架是OpenStack，Python現在的火爆，很大一部分就是因為雲計算。
人工智慧/數據分析：Python是目前公認的人工智慧和數據分析領域的首選語言。
自動化運維：問問中國運維人員，運維人員必須會什麼語言?十分之九的人會回答Python。
不僅這些，Python還可以做的事情有很多，比如金融分析，Python是金融分析、量化交易領域使用最多的編程語言;科學計算，Python越來越適用於科學計算、繪制高質量的2D和3D圖像。
此外，現在很多公司都在使用Python，比如谷歌，Google APP Engine、Google earth、谷歌爬蟲等，都在大量使用Python開發;NASA，大量使用Python進行數據分析和運算;YouTube，世界上最大的視頻網站YouTube就是用Python開發的;Redhat，世界上最流行的Linux發行版本中的yum包管理工具就是用Python開發的。遠不止這些，還有國內的豆瓣、知乎、春雨醫生、騰訊、搜狐、網路、阿里等公司都在使用Python完成各種任務。
6. 你好 想用Python做一個英文單詞詞頻統計軟體，將當前目錄下的所有txt文檔讀進去，然後生成一個excel文檔
#!/usr/bin/env python
dic={}
for i in open('data.txt'):
array=[]
i=i.strip()
array=i.split()
for j in array:
if not dic.has_key(j):
dic[j]=0
dic[j]+=1
for i in dic.keys():
print i,dic[i]