在 quant 辦公桌上，R 會被 Python 取代嗎？

我知道這個標題聽起來有點極端，但我想知道 R 是否被賣方銀行的許多量化櫃檯以及對沖基金淘汰，轉而使用 Python。我的印像是，隨著 Pandas、Numpy 和其他 Python 包的改進，Python 中的功能正在大幅改進，以便有意義地探勘數據和建模時間序列。我還通過 Python 看到了令人印象深刻的實現，以並行化程式碼並將計算扇出到多個伺服器/機器。我知道 R 中的一些包也可以做到這一點，但我只是感覺到目前的勢頭有利於 Python。

我需要自己對我的建模框架子集的架構做出決定，並且需要一些輸入其他量化人員目前的情緒是什麼。

我還必須承認，我最初對 Python 性能的保留大多已經過時，因為一些包在底層大量使用了 C 實現，而且我看到的實現明顯優於甚至高效編寫、編譯的 OOP 語言程式碼。

你能評論一下你正在使用什麼嗎？我不是在徵求意見，您認為以下任務是更好還是更差，而是具體為什麼您使用 R 或 Python，以及您是否將它們歸入同一類別以完成以下任務：

• 獲取、儲存、維護、讀取、清理時間序列
• 執行時間序列的基本統計，高級統計模型，如多元回歸分析，…
• 執行數學計算（傅立葉變換、PDE 求解器、PCA 等）
• 數據視覺化（靜態和動態）
• 衍生品定價（利率模型等定價模型的應用）
• 互連性（與 Excel、伺服器、UI 等）
• （2016 年 1 月添加）：設計、實施和訓練深度學習網路的能力。

編輯 我認為以下連結可能會增加更多價值，儘管它有點過時

$$ 2013 $$（由於某些晦澀的原因，討論也被關閉了……）：https ://softwareengineering.stackexchange.com/questions/181342/r-vs-python-for-data-analysis 您還可以在 r-bloggers 網站上搜尋幾篇關於 R 和 Python 包之間計算效率的文章。正如一些答案中所提到的，一個方面是數據修剪，輸入數據的準備和設置。等式的另一部分是實際執行統計和數學計算時的計算效率。

更新（2016 年 1 月）

既然銀行和對沖基金非常積極地追求人工智慧/深度學習網路，我想提供這個問題的更新。我花了很多時間研究深度學習並進行了實驗，並使用了 Theano、Torch 和 Caffe 等庫。從我自己的工作和與其他人的對話中脫穎而出的是，其中很多庫都是通過 Python 使用的，而且該領域的大多數研究人員並未在該特定領域使用 R。現在，這仍然只佔金融服務領域量化工作的一小部分，但我仍然想指出這一點，因為它直接涉及我提出的問題。我添加了量化研究的這一方面來反映目前的趨勢。

我的交易是高頻交易所以我關心的是

1. 從記憶體中的文件或數據庫中快速讀取/載入數據
2. 執行非常有效的數據處理操作（組、轉換）
3. 輕鬆視覺化數據

我認為很清楚 3. 轉到 R、圖形和ggplot2和其他允許您從頭開始繪製任何東西，而無需付出任何努力。

關於 1. 和 2. 我很驚訝地閱讀了之前的文章，看到人們提倡基於pandas的 python，並且沒有人引用data.table data.table 是一個很棒的包，它允許對 10 秒的表格進行快速分組/轉換萬行。從這個 bench你可以看到 data.table 比 pandas 快好幾倍並且更穩定（pandas 往往會在大量表上崩潰）

例子

R) library(data.table)
R) DT = data.table(x=rnorm(2e7),y=rnorm(2e7),z=sample(letters,2e7,replace=T))
R) tables()
    NAME       NROW NCOL  MB COLS  KEY
[1,] DT   20,000,000    3 458 x,y,z    
Total: 458MB
R) system.time(DT[,.(sum(x),mean(y)),.(z)])
  user  system elapsed 
 0.226   0.037   0.264 

R)setkey(DT,z)
R)system.time(DT[,.(sum(x),mean(y)),.(z)])
 user  system elapsed 
 0.118   0.022   0.140 

然後是速度，因為我在高頻交易中工作，R 和 python 都不能用於生產。但是Rcpp包允許您編寫高效的 C++ 程式碼並將其簡單地集成到 R 中（字面意思是添加 2 行）。考慮到每天創建的新包的數量以及該語言的發展勢頭，我懷疑 R 正在消退……

編輯 2018-07

幾年後，我對 R 生態系統的演變感到驚訝。對於記憶體計算，您可以獲得無與倫比的工具，從 fst 獲得超快的二進制讀/寫、fork 或集群並行性。使用 Rcpp 進行 C++ 集成非常容易。您可以獲得具有經典情節的互動式圖形，像 ggplotly 這樣的瘋狂功能（只是讓您的 ggplot2 具有互動性）。對於嘗試 python 和 pandas，老實說，我不明白怎麼可能匹配。語法笨拙，性能差，我一定太習慣 RI 猜測了。python 中真正缺少的另一件事是文盲程式，沒有什麼比 rmarkdown 更接近（我在 python 中能找到的最好的是 jupyter，但它甚至接近）。隨著圍繞 R 與 Python 語言戰爭的所有大驚小怪，我意識到絕大多數人根本不了解情況，

引用自：https://quant.stackexchange.com/questions/17870