R diciptakan oleh Ross Ihaka dan Robert Gentleman pada tahun 1995 sebagai implementasi dari bahasa program S. Tujuannya adalah untuk mengembangkan bahasa yang fokus pada analisis data, statistik, dan model grafis. Awalnya, R hanya digunakan oleh para akademisi, namun lama-kelamaan R juga banyak digunakan oleh para praktisi di dunia bisnis. Hal inilah yang membuat R menjadi sangat terkenal di seluruh dunia. Salah satu keunggulan R adalah komunitas besar yang tergabung dalam satu mailing-list, dokumentasi para pengguna yang mudah diakses, grup Stack Overflow yang sangat aktif, dan koleksi packages R yang dibagikan oleh sesama pengguna.
Python diciptakan oleh Guido van Rossem pada tahun 1991 dan lebih menekankan pada produktivitas juga proses pembacaan kode. Para programmer yang mengerjakan pekerjaan data scientist dalam bidang statistik biasanya menggunakan Python. Sama dengan R, Python juga memiliki package yang bisa diadaptasi ke dalam program dan komunitas dimana setiap pengguna bisa berkontribusi.
R biasanya digunakan untuk analisis data yang dikerjakan pada server pribadi. R dapat difungsikan untuk pekerjaan eksplorasi hampir semua jenis data karena banyaknya jenis packages, test, dan tools yang dengan mudah bisa diadaptasi. Penggunaan rumus-rumus rumit dalam R juga mudah diatur. Pada penggunaan R, langkah pertama yang harus dilakukan adalah mengunduh RStudio IDE. Kemudian, ada banyak jenis packages yang bisa juga digunakan, seperti:
- dplyr, plyr, dan data.table untuk manipulasi data
- stringr untuk manipulasi karakter
- zoo digunakan pada tipe waktu beraturan dan tidak beraturan
- ggvis, lattice, dan ggplot2 untuk visualisasi data
- caret untuk machine learning
Berbeda dengan R, Python digunakan jika pekerjaan data analisis harus disambungkan dengan aplikasi web atau jika kode statistiknya harus terhubung dengan database tertentu. Developer juga dapat menggunakan Python untuk pekerjaan yang lebih fleksibel, misalnya menciptakan kode baru atau menulis skrip untuk aplikasi tertentu. Tidak seperti R, Python tidak mempunyai IDE (Integrated development environments) yang jelas, karena ada beberapa environment yang dapat digunakan, seperti Spyder, Rodeo, dan IPython Notebook.
Python juga memiliki libraries yang dapat digunakan pada analisis data, visualisasi, dan yang lainnya, seperti:
- NumPy /SciPy untuk komputasi ilmiah
- pandas untuk manipulasi data
- matplotlib untuk membuat grafik
- scikit-learn untuk membangun metode machine learning
- statsmodels untuk eksplorasi data, memprediksi model statistik, dan menjalankan test statistik.