요즘 추세로 본다면 데이터과학, 데이터분석, 딥러닝, 기계학습 등을 하려면 R과 Python 중 하나를 선택해야 합니다.
R과 Python은 둘 다 모두 스크립트(script) 언어이면서 둘다 대화형 언어(Interpretor)이기도 합니다.
스크립트 언어라는 것은 C++이나 Java 처럼 컴파일을 하거나 중간코드를 빌드하지는 않는 것을 말하는 것이고 대화형 언어라는 것은 코드를 입력하고 그 결과를 즉시 확인할 수 있다는 것입니다.
그래서 가능하다면 R과 Python을 둘 다 하는 것이 훨씬 좋습니다. 하지만 R이 PYthon보다는 학습장벽이 매우 높기 때문에 둘 중에 어떤 것을 먼저해야 하냐고 묻는다면
대답은 Python 입니다.
현재는 Python을 먼저 선택하는 것이 대체로 유리합니다.
그럼 R은 생각할 필요도 없는 것인가? 라고 묻는다면 당연히 그렇지 않습니다. 자신이 어떤 쪽의 일을 할 것인지 하고 있는지, 어떤 스타일로 하는지에 따라 달라질 수 있습니다.
데이터과학 랭귀지를 선택할 때 고려할 것
선택을 할 때 아래와 같은 간단한 체크 리스트를 만들어 봤습니다.
- 앞으로 통계 분석을 더 많이 하게 될 것 같다. R
- 시각화가 편하고 빠르면 좋겠다. R
- 일괄 처리 작업이나 텍스트마이닝 같은 처리도 하고 싶다. Python
- 기계학습 모델을 자주 만들고 많이 만들것 같다. Python
- 데이터 전처리와 이관, 자동화 같은 것도 해야 한다. Python
- 최신 통계 패키지(새 알고리즘, 기법같은 것들)가 많아야 한다. R
- 최신 기계학습 패키지가 많아야 한다. Python
- 딥러닝을 해야 한다. Python
- IOT도 해야 하고 로그 분석도 해야한다. Python
- 시계열 분석, 수리 통계, 금융 분석 이런 고급 통계나 수학과 관련된 것을 앞으로 할 것이다. R
- 빅데이터 플랫폼들에 접속해서 비정형 데이터를 가져오거나 처리해야 한다. Python
- 나는 금융공학에 관심이 있다. Python
- UI가 있는 웹개발도 좀 해야 한다. Python
- 웹개발도 해야하긴 하지만 복잡한 것은 안하고 위젯 정도나 간단한 시각화 수준이면 된다. R (Shiny가 있으므로)
- 주로 연구하고 논문쓰는 일을 많이 할 것 같다. R
- 나는 의사이고 실험을 많이 한다. R
- 분석 리포트를 많이 쓰거나 논문을 많이 써야 한다. R
- 바이오인포메틱스이고 유전자 데이터 이런 일과 관련이 있다. Python
- 앞으로 클라우드의 자원 활용도 많이 하게될 것 같다. Python
- 범접할 수 없는 레벨의 과학자처럼 보여지고 싶다. R
- 데이터과학의 귀재로 보여지고 싶다. Python
대부분 R과 Python 둘다 가능한 것이지만 둘 중에 더 유리한 것 하나를 답으로 적어두었습니다. 경험을 바탕으로 적은 것입니다. 의견의 차이가 있을 수 있지만 무분별한 비난은 사절합니다.
위의 목록을 쭉 훑어보면 대체로 PYthon이 답인 경우가 많으니 그냥 Python 선택하면 된다는 쪽으로 보여집니다만 위에 열거한 것들에서 선택된 것의 숫자만 보고 그렇게 판단하면 안됩니다.
R의 좋은 점
R을 옹호하는 입장이 되서 장점을 어필해 보겠습니다.
R의 강점은 커뮤니티와 커뮤니티에서 제공되는 패키지가 있습니다. 최신 통계 분석, 알고리즘이나 기법들이 패키지가 가장 빨리 제공되고 있으며 품질도 상당히 좋습니다.
대부분 패키지를 만들어서 제공하시는 분들이 그 분야의 석박사이거나 교수들입니다. 100% 믿을 수 있는 것은 아니지만 보통은 쓰는 사라들보다 그 부분에 대해서는 훨씬 전문적인 분들이라서 믿고 쓸 수 있습니다.
또 패키지가 중앙집중식으로 엄격하게 관리되고 있습니다. 패키지가 등록될 때 절차도 까다롭고 검증도 까다롭습니다. 그래서 패키지가 작동하지 않는다거나 하는일이 거의없고 오래된 패키지들도 비교적 관리가 잘됩니다.
Python의 좋은 점
Python을 옹호하는 입장에서 장점을 어필해보면.
Python을 쓰는 사람이 워낙 많아서 자료를 구하기 쉽고 샘플 코드를 구하기도 쉽습니다. 사용자 층이 두텁다고 하죠. 이제 가장 사용자가 많은 랭귀지가 되었습니다.
Python은 다런 언어에 비해 배우기 쉬운 편입니다. 물론 그렇다고 해서 책 한 권 읽고 바로 할 수 있을 만큼 정말 쉽다는 얘기는 또 아닙니다. 다른 랭귀지에 비해서 비교적 쉽다는 거입니다.
직군별로 간단하게 선택하는 방법
“하는 일” 또는 “하려고 하는 일”의 직군을 보고 간단하게 선택할 때는 이렇게 하면 됩니다.
- 엔지니어, 개발자 쪽에 가깝다면 Python
- 분석가, 연구원에 가깝다면 R
- 그냥 과학자라면 아무렇게나 하세요. 아마 둘 다 안 쓸 가능성이 큽니다.
기획자, 세일즈, 비즈니스 직군인데 분석용 언어를 배워보려면 어떤 것을 써야 하나?
데이터분석이나 데이터과학을 하려고 하는데 그 일이 꼭 컴퓨터랭귀지를 쓰지 않아도 엑셀이나 다른 도구로 할 수 있는 것이 아닌지 먼저 확인해 보세요. 대부분 간단한 것은 다 할 수 있습니다.
그럼에도 불구하고 취미이든, 도전이든, 자기계발이든, 미래를 위해서 이든, 컴퓨터 언어를 하나 배우고 싶다면?
Python을 선택하면 됩니다.
왜냐면 R이 더 안좋아서가 아니라 배우기 더 어렵기 때문입니다.
그다지 궁금하지 않겠지만 이 포스트를 보고 또 Python에 너무 편향된 것이 아니냐고 하실 분들이 있을 것 같아서 마지막으로 말씀드리면 저는 Python 보다는 R을 더 좋아합니다.