这是一场常年的辩论。毫无疑问，Python 更具可读性和学习速度。另一方面，它也比 R 语言更通用。有一些统计数据可以做到 Python 没有库（尽管我怀疑人们正在研究这个）。

在学习数据科学的早期阶段更重要的是更基础的理论：数学、线性代数、微积分和统计学。与特定语言相比，牢牢掌握这些领域在学习路径中所占的份额要大得多。

话虽如此，由于可读性，我确实更喜欢 Python。事实是，很多时候其他人需要在你之后进来阅读你写的东西。就此而言，您有时必须阅读自己的代码！可读性比使用单行代码完成出色工作的能力更重要。至于高级统计数据，最常在医学领域发挥作用；在那里你肯定会发现 R 优于 Python。

我想我们可能会给你无穷无尽的答案，因为我们每个人都有不同的经历、不同的背景和故事要讲。恕我直言，这个问题本身就有一个严重的问题：为什么选择？你是在锤子和钉子之间选择在墙上放置框架吗？不，因为两者都是工具，如 Python 和 R。显然，你会开始只学习其中一个，但最后，我建议同时学习它们，因为至少在今天，它们是互补的。根据我的经验（科学背景，处理能源和气候数据），Python 在处理大型网格数据集方面非常出色，这要归功于xarray并执行快速计算，另一方面，当我需要“最后一英里”时，我会使用 R，即当我必须处理数据以将其可视化（ggplot2to day 是数据探索和可视化的顶级库）并展示它（该shiny库非常容易学习和有效）。但是，虽然 R 语法可能很丑陋且不一致，但 Python 非常优雅，绝对是一种现代编程语言，当您需要使用 OOP 范式编写大量代码时，它是最佳解决方案。

所以问题是：我应该先学习哪一个？这取决于：你为什么要学习它？你已经有一个项目了吗？如果您仍然没有明确的想法，我建议您参加 Datacamp 的第一门 R 和 Python 课程，然后选择从哪里开始。