因为R语言语法简单（类似于matlab），函数功能强大，所以很容易上手。
真正让R无法媲美python的主要有两个原因：
1. R的有太多的包（这点和python一样，但是R更多）。但是R做的不好的地方是，很多packages有自己各自的逻辑，并且各不一样，导致R的学习者不仅仅要学R本身，还有学习各个packages背后的一套逻辑，并且需要花时间精力去记住每个package里面命名各异的函数。这种情况造成了学习者在短时间内无法把从一个package里获得的经验和代码流出迁移到另一个package里，经常会不断地学习新的function，这是为什么R的学习曲线陡峭。而在工业界，比较忌讳这一点。
2. R和matlab一样，每个package里面的函数集合了太多的功能（比python的还要集合的多）。虽然这些函数实现起来很傻瓜，但是无法满足工业界处理大数据的需求（集合的功能太多，一方面造成不必要的资源消耗，另一方面给底层代码优化带来了难度，所以R和matlab的底层优化做的并不好）。因此R，在python没有兴起之前，在美国大学学术界占有统治地位。学术界所需要的data量不大，那些professor很容易用R实现自己的统计分析和可视化报告。但是在工业界，R的数据处理能力比起python就相形见绌了。
综上所述，R和matlab偏学术研究，而python配合Go，Java，C，C++更适合能够落地的业界项目。
