Lenguajes, R, Python y otras filosofías en proyectos de Data

Lenguajes, R, Python y otras filosofías en proyectos de Data

A lo largo de la historia, muchas son las personas que se han preguntado ¿qué va más rápido, esto o lo otro? Bien, pues no vamos a ser menos, y la vamos a retorcer un poquito más: ¿Qué va a salirnos más a cuenta, R o Python?

Python3 Code

Primero nos centraremos en los aspectos más directos derivados de la pregunta, es decir, cual de los dos la tiene más corta (la carga computacional, para los mal pensados). La Universidad de Pennsylvania (UPENN) lanzó un estudio para comparar varios lenguajes de programación en el ámbito de la economía aplicada (con operaciones relativamente sencillas), entre los que se encontraban nuestros dos implicados (y para los curiosos, el link está al final del articulo). En éste, se remarca como los lenguajes llamados de “alto nivel” son los de mayor coste computacional y, por lo tanto, mayor tiempo de ejecución. Por otro lado, vemos como Python sale con mejor ratio temporal en relación a la tardía de R en los mismos procedimientos. Además, la NASA sacó comparaciones de varios lenguajes, empleados en la resolución de ciertas formulas (la mayoría de los casos, vectoriales), y en algunos casos también vemos que R asoma la cabeza por mayor eficiencia.

Lo que NO nos lleva a la resolución de nuestra pregunta, dado que para los proyectos / empresas / personas / cosas, lo que nos sale más a cuenta depende de 2 factores mayoritariamente: la habilidad de los implicados en dicho proceso, en el código a usar y en el lenguaje, y el objetivo para el que fue pensado ése mismo lenguaje; en el supuesto caso de que encontrásemos a dos expertos en equidad de condiciones de habilidad y conocimiento de uno de los dos lenguajes, y les pidiésemos encontrar una palabra entre una sopa de letras de 2Mx2M, muy probablemente el experto de python llegaría antes, mientras que el mismo ejercicio pero transformado a operaciones numéricas en función de la posición en la tabla y el valor en cuestión, sería de mayor facilidad para el experto en R. Del mismo modo, es poco práctico pedir a un ignorante de Python un proyecto en Python y viceversa, sin devaluar a ningún lenguaje, programador ni inteligencia artificial.

Así que el poder de una buena coordinación para tener éxito en la planificación de objetivos, en los proyectos, empresas y demás entes del multiverso, pasa por entender los recursos de los que se dispone, y aprovecharlos al máximo, muchas veces pasando por alto el benchmark de la mismísima NASA.

Autor: Marc Vea

comments powered by Disqus