一方面，就两门语言本身而言，python的适用性越来越好。基于python， 现在有数不胜数的开发者设计了方便好用的数据分析包，网上的学习资料也越来越丰富，非常便于快速学习和上手。

R的使用其实在统计学领域非常常见，并且R的很多功能都是专门针对数据统计开发的，如果做统计学研究，非常便利。但如果不是做统计学研究而更多是应用一些统计学概念， 那么python其实足够覆盖日常使用。

基本上R有的， python都有， 甚至python中的一些安装包能够适配R语言， 让R语言可以在python中运行。

另一方面，现在的很多科技公司，其实都对python的使用更加友好。无论是硅谷科技公司亦或是国内的互联网公司，内部都会丫各种适配python的工具。并且由于数据分析所需要涉及到的数据量的日益扩大， python能够更方便快捷的和各类大数据工具结合在一起。

按照"读写文件；数据类型；条件、循环语句；常用函数；常用package"这样的顺序来学习， 就能比较有体系地入门Python知识了，起码看代码能大致看懂了

NumPy是一个针对数据分析的Python库， 它支持多维数组°和矩阵， 是Python中最基础的库之一。其实它本身并没有提供多么高级的数据结构和分析功能，但它是很多高级工具(如pandas)构建的基础

Pandas库提供了快速、简捷、易懂的数据结构，简化了数据整理步骤，绝大多数的数据预处理与数据分析都可以完成。大家可以简化认为Pandas是Python版本的excel， 但是当你熟练记住代码使用后， 它会比excel操作方便太多

Sk learn主要是用于机器学习， 所以sk learn的模块也都是围绕机器学习算法的，可以说是一个完善的机器学习工具箱。你在里面可以完成分类、回归、聚类°、数据降维、模型选择和数据预处理等任务；几乎常见的机器学习°模型也都可直接调用：比如支持向量机、随机森林、k-means等。

Matplotlib是一个用于科学计算绘图的库。可以帮助你完成描述性分析和数据可视化。你可以用它来进行快速绘制线形图、饼状图°直方图等。

Seaborn主要是基于Matplotlib构建的， 进行了更高级的API封装， 可以让用户把自己常用到的可视化绘图过程进行函数封装，形成的一个制图的"快捷方式"

希望以上分享对你有所帮助。