1. R 和 python 用于统计学分析，哪个更好
总的概括：R主要在学术界流行，python(numpy scipy)在工程方便比较实用。
R是S（Splus）的开源版本，或者下一代。发源地在新西兰奥克兰。这个软件的统计背景很浓烈。我这里浓烈的意思是，如果你不熟习统计知识（历史）的话，R的帮助文档看起来是很累的。由统计背景的人开发。R的维护组叫CRAN-R。在生物信息方便，有个叫bioconctor的组织，里面有很多生物信息方面可以用的软件包，他们有一套自己维护package系统。
Python是个综合语言（这里特指指CPython解释器），numpy scipy是数值计算的扩展包，pandas是主要用来做数据处理（numpy依赖），sympy做符号计算（类似mathematica？）此外还有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已经到了可用的水平了。是读计算机的人写的统计包。ipython 更新到1.0以后，功能基本完善，其notebook非常强大（感觉就像mathematica)而且还是基于web，在合作分享方面非常好用。
性能：
大家都说R慢，特别是CS的人。其实这里主要是两点：一个R里面数组的调用都是用复制的，二是Rscript慢。三是处理大数据慢。如果R用的好的话，R是不太慢的。具体来说就是Rscript用的少，多用命令，跑点小数据。这样的话，实际在跑的都是背后的fortran和C库。他们都有快二三十年历史了。可谓异常可靠，优化得不能再优化了（指单线程，如果去看源代码挥发先许多莫名的常数，永用了以后精度高速度快！）。比如一个自己编写一个R脚本，loop套loop的那种，那真是想死的心都会有。外加一点，R处理文本文件很慢！
Python归根揭底还是个有解释器的脚本语言，而且有致命伤——GIL，但python最难能可贵的就是它很容易变得更快。比如pypy，cython，或者直接ctypes挂C库。纯python写个原型，然后就开是不断的profiling和加速吧。很轻易可以达到和C一个数量级的速度，但是写程序、调试的时间少了很多。
并行计算：
R v15 之后有了自带的parallel包，用挺轻松的。不过其实就是不停的fork，或者mpi，内存消耗挺厉害的。parSapply，parApply什么的，真是很好用。
Python虽然有GIL——并行计算的死敌，但是有multiprocessing(fork依赖) ，是可以共享数据的什么的，估计内存消耗方面比R好点，数据零散的话overhead很多。到了MPI的话，mpi4py还是挺好用的。用cython的话结合openmp可以打破GIL，但是过程中不能调用python的对象。
学习曲线：假设什么编程都不会的同学。
R一开始还是很容易上手的，查到基本的命令，包，直接print一下就有结果了。但是如果要自己写算法、优化性能的时候，学习难度陡增。
Python么，挺好学的，绝大多数的帮助文档都比R好了许多。有些包用起来没R方便。总的来说深入吼R陡。
扩展资源：
基本上新的统计方法都会有R的package，安装实用都不麻烦。但是基本上都是搞统计的人写的计算机包。所以效能上可能有问好。比较出名的有两个包的管理网站，cran-r 和bioconctor。 所以搞生化的估计R用起来很方便。
python的统计计算包们比R少，多很年轻，还在不断的开发中。优于是计算机人写的统计包，用起来的时候要多涨个心眼。
画图：
R自带的那些工具就挺好用了，然后还有ggplot这种非常优美的得力工具。
python 有matplotlib，画出来效果感觉比R自带的好一些些，而且界面基于QT，跨平台支持。可能是R用得多了，pyplot用起来还是不太顺手，觉得其各个组建的统一性不高。
IDE：
Rstudio非常不错，提供类matlab环境。（用过vim-r-plugin，用过emacs + ess现在用vim。）
windows 下有python(x,y) 还有许多商业的工具。（本人现在的emacs环境还不是很顺手~）
建议：
如果只是处理（小）数据的，用R。结果更可靠，速度可以接受，上手方便，多有现成的命令、程序可以用。
要自己搞个算法、处理大数据、计算量大的，用python。开发效率高，一切尽在掌握。
ps：盲目地用R的包比盲目的地用python的包要更安全。起码R会把你指向一篇论文，而python只是指向一堆代码。R出问题了还有论文作者、审稿人陪葬。
2. 如何利用python进行数据分析
近年来分析学在数据、网络、金融等领域获得了突出的地位。应用各种软件组合起来进行数据收集，数据管理，以及数据分析，得出的结论用作商业决策，业务需求分析等等。分析学用于研究一个产品的市场效应，银行的贷款决定，这些都只是分析学的冰山一角。它在大数据，安全，数字和软件分析等领域有很深远的影响，下面是Python在分析学中的主要作用的一个延续：
在这个信息过载的世界，只有那些可以利用解析数据的优势来得出见解的人会获益。Python对于大数据的解释和分析具有很重要的作用。分析公司开发的很多工具都是基于Python来约束大数据块。分析师们会发现Python并不难学，它是一个强有力的数据管理和业务支持的媒介。
使用单一的语言来处理数据有它的好处。如果你以前曾经使用过C++或者Java，那么对你来说，Python应该很简单。数据分析可以使用Python实现，有足够的Python库来支持数据分析。 Pandas是一个很好的数据分析工具，因为它的工具和结构很容易被用户掌握。对于大数据来说它无疑是一个最合适的选择。即使是在数据科学领域，Python也因为它的“开发人员友好性”而使其他语言相形见绌。一个数据科学家熟悉Python的可能性要比熟悉其他语言的可能性高得多。
除了Python在数据分析中那些很明显的优点(易学，大量的在线社区等等)之外，在数据科学中的广泛使用，以及我们今天看到的大多数基于网络的分析，是Python在数据分析领域得以广泛传播的主要原因。
不论是金融衍生品还时大数据分析，Python都发挥了重要的作用。就前者而言，Python能够很好地和其它系统，软件工具以及数据流结合在一起，当然也包括R。用Python来对大数据做图表效果更好，它在速度和帮助方面也一样可靠。有些公司使用Python进行预测分析和统计分析。
3. 使用Python做数据分析的优点是什么
最近几年，大数据的发展程度越来越明显，很多企业由于使用了大数据分析使得企业朝着更好的方向发展，这就导致的数据分析行业的人才开始稀缺起来，对于数据分析这个工作中，是需要学会一些编程语言的，比如MATLAB，Python，Java等语言。对于初学者来说，Python是一个不错的语言，Python语言简单易懂，同时对于大数据分析有很明显的帮助。那么使用Python做数据分析的优点是什么呢？一般来说就是简单易学、语言通用、存在科学计算活跃区域等等。
首先说说Python的第一个优点，那就是简单易学。很多学过Java的朋友都知道，Python语法简单的多，代码十分容易被读写，最适合刚刚入门的朋友去学习。我们在处理数据的时候，一般都希望数据能够转化成可运算的数字形式，这样，不管是没学过编程的人还是学过编程的人都能够看懂这个数据。
Python在数据分析和交互、探索性计算以及数据可视化等方面都显得比较活跃，这就是Python作为数据分析的原因之一，python拥有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科学计算方面十分有优势，尤其是pandas，在处理中型数据方面可以说有着无与伦比的优势，已经成为数据分析中流砥柱的分析工具。
Python也具有强大的编程能力，这种编程语言不同于R或者matlab，python有些非常强大的数据分析能力，并且还可以利用Python进行爬虫，写游戏，以及自动化运维，在这些领域中有着很广泛的应用，这些优点就使得一种技术去解决所有的业务服务问题，这就充分的体现的Python有利于各个业务之间的融合。如果使用Python，能够大大的提高数据分析的效率。
python是人工智能时代的通用语言
Python对于如今火热的人工智能也有一定的帮助，这是因为人工智能需要的是即时性，而Python是一种非常简洁的语言，同时有着丰富的数据库以及活跃的社区，这样就能够轻松的提取数据，从而为人工智能做出优质的服务。
通过上面的描述，想必大家已经知道了使用Python做数据分析的优点是什么了吧，Python语言得益于它的简单方便使得在大数据、数据分析以及人工智能方面都有十分明显的存在感，对于数据分析从业者以及想要进入数据分析从业者的人来说，简单易学容易上手的优势也是一个优势，所以，要做好数据分析，一定要学会Python语言。
4. arcgis 怎么用python做统计分析
方法/步骤
1
打开arcmap软件，点击工具栏上的ArcToolbox工具箱，在工具箱里面选择要进行数据处理的工具（工具的选择视数据处理的内容而定），本文选择了“Define Projection”定义投影的工具进行说明。
双击此工具，在弹出的工具窗口点击右下角的“Show Help>>”按钮。
2
点击“Tool Help”按钮，此时就打开了软件的帮助文档并定位到了此工具（define projection）对应的页面，往下拉动滚动条，定位到此工具的python脚本的内容：
Syntax 介绍了此工具脚本的语法
Code Sample 介绍了脚本使用的例子
拷贝脚本使用例子里面的代码。
3
在软件的主界面点击“Geoprocessing”菜单-->点击“Python”菜单项，即出现内嵌在arcigis中的python工具窗口。
python工具窗口的左边是代码编辑区域，右边是信息提示区域。
4
把第2步拷贝的代码语句粘贴到python工具窗口的左边区域，修改一下工具脚本的参数（视具体工具和数据而定），连续点击两下回车键。
5
等待脚本程序的执行完成，完成之后在桌面右下角会弹出提示信息，同时pythong工具窗口的右边区域也会有具体的工具脚本执行信息。
6
执行完成之后，在arcmap加载处理过的数据，右键查看属性，可以看到通过此工具脚本（define projection）进行投影定义的数据已经具有了投影参数。
http://jingyan..com/article/eae07827ba96a51fec548513.html
5. 请问python主要应用领域是什么,哪方面用的多了....
Web开发：最火的Python Web框架Django，支持异步高并发的Tornado框架，短小精悍的flask，bootle，Django官方的标语把Django定义为the framework for perfectionist with deadlines(大意是一个为完全主义者开发的高效率Web框架)。
网络编程：支持高并发的Twisted网络框架，py3引入的asyncio使异步编程变得非常简单。
爬虫：在爬虫领域，Python几乎是霸主地位，Scrapy、Request、BeautifuSoap、urllib等，想爬什么爬什么。
云计算：目前最火的知名的云计算框架是OpenStack，Python现在的火爆，很大一部分就是因为云计算。
人工智能/数据分析：Python是目前公认的人工智能和数据分析领域的首选语言。
自动化运维：问问中国运维人员，运维人员必须会什么语言?十分之九的人会回答Python。
不仅这些，Python还可以做的事情有很多，比如金融分析，Python是金融分析、量化交易领域使用最多的编程语言;科学计算，Python越来越适用于科学计算、绘制高质量的2D和3D图像。
此外，现在很多公司都在使用Python，比如谷歌，Google APP Engine、Google earth、谷歌爬虫等，都在大量使用Python开发;NASA，大量使用Python进行数据分析和运算;YouTube，世界上最大的视频网站YouTube就是用Python开发的;Redhat，世界上最流行的Linux发行版本中的yum包管理工具就是用Python开发的。远不止这些，还有国内的豆瓣、知乎、春雨医生、腾讯、搜狐、网络、阿里等公司都在使用Python完成各种任务。
6. 你好 想用Python做一个英文单词词频统计软件，将当前目录下的所有txt文档读进去，然后生成一个excel文档
#!/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]