### Python 与 R语言 基础语法 对比 细节 #### 1. 变量声明与数据类型 Python 和 R 都是动态类型的编程语言，无需显式声明变量类型。然而，在 Python 中，变量赋值直接完成定义，而在 R 中，可以使用 `<-` 或 `=` 进行赋值[^1]。 ```python # Python 示例 x = 10 y = "Hello" ``` ```r # R 示例 x <- 10 y <- "Hello" ``` #### 2. 数据结构 Python 提供了多种内置数据结构，如列表（list）、字典（dict）、元组（tuple）等。R 则以向量（vector）、数据框（data frame）、矩阵（matrix）为主。以下是两者的简单对比： ```python # Python 列表和字典示例 my_list = [1, 2, 3] my_dict = {"key": "value"} ``` ```r # R 向量和数据框示例 my_vector <- c(1, 2, 3) my_data_frame <- data.frame(column1 = c(1, 2), column2 = c("a", "b")) ``` #### 3. 控制流语句 两者都支持常见的控制流语句，如 `if`、`for` 和 `while`，但在语法上存在差异。 **条件语句：** ```python # Python if 示例 if x > 0: print("Positive") else: print("Non-positive") ``` ```r # R if 示例 if (x > 0) { cat("Positive\n") } else { cat("Non-positive\n") } ``` **循环语句：** ```python # Python for 示例 for i in range(5): print(i) ``` ```r # R for 示例 for (i in 1:5) { cat(i, "\n") } ``` #### 4. 函数定义 函数定义在 Python 和 R 中都非常直观，但参数处理方式有所不同。Python 支持默认参数和可变参数，而 R 的函数可以通过 `...` 来传递任意数量的参数。 ```python # Python 函数定义示例 def add(a, b=5): return a + b ``` ```r # R 函数定义示例 add <- function(a, b=5) { return(a + b) } ``` #### 5. 输入输出 Python 使用 `input()` 和 `print()` 进行输入输出，而 R 使用 `scan()` 和 `cat()` 或 `print()` 完成类似功能[^2]。 ```python # Python 输入输出示例 name = input("Enter your name: ") print(f"Hello, {name}") ``` ```r # R 输入输出示例 name <- readline("Enter your name: ") cat(paste("Hello,", name, "\n")) ``` #### 6. 库与扩展 Python 拥有丰富的第三方库，如 NumPy、Pandas、Matplotlib 等，适用于多种领域。R 则以其统计分析和绘图能力著称，拥有大量专注于数据分析的包，如 dplyr、ggplot2 等。 ```python # Python 使用 Pandas 示例 import pandas as pd df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) print(df) ``` ```r # R 使用 dplyr 示例 library(dplyr) df <- data.frame(A = c(1, 2), B = c(3, 4)) print(df) ``` #### 7. 错误处理 Python 使用 `try-except` 结构进行错误处理，而 R 则通过 `tryCatch` 实现类似功能。 ```python # Python 错误处理示例 try: result = 1 / 0 except ZeroDivisionError: print("Cannot divide by zero") ``` ```r # R 错误处理示例 result <- tryCatch({ 1 / 0 }, error = function(e) { cat("An error occurred:", conditionMessage(e), "\n") }) ``` ---