Про статью. Есть интересный кейс, когда агрегирующая функция от нескольких переменных и результат надо положить в переменную с каким-нибудь нормальным именем. Тогда разница между пандас и Р-библиотеками заметна особенно хорошо.  В R это выглядит точно так же, как и обычное агрегирование, например, для data.table:

dt_iris[,.(importance = cor(Sepal.Length, Sepal.Width)), by = Species]

А в пандасе - поля моего телеграмма слишком узки, чтобы написать аналогичный код для пандас

"When computing you are allowed to cheat"...  занятный блог:

https://www.brodieg.com/2019/07/24/hydra-reformulate/

На мой взгляд Python сейчас более широко представлен по причине того что его используют программисты. Для бизнеса это означает, что прибавочная стоимость получается больше. Однако дальше картина, возможно будет меняться в пользу R. Во-первых, к питону всё больше вопросов. И в плане программирования и в плане работы с памятью например. С точки зрения ДС и аналитики оба языка жрут память по полной.
Во-вторых, R прост в изучении, но с точки зрения бизнеса немного сложнее. R более универсальный и более гибок, пакеты продолжают разрабатываться и они становятся мощнее. Возникает вопрос оптимизации работы с пакетами с учетом нагрузки, с учёт поддержания кодовой базы и т.п. Получается что R становится более массовым, потому что его проще изучить и появляются новые возможности в виде дашбордов из shiny, интеграция с мобильными сервисами. Но при это острее возникает вопрос оптимизации кода и конечных продуктов.

Это-то без вариантов, да.

Никогда не считайте дисперсию по этой формуле. Просто никогда, как бы быстро она не считала. Такой метод расчета численно неустойчив и будет давать очень большие ошибки даже на самых невинных цифрах.

Assessing the precision risks  у автора тоже значится... но там это не единственная статья

Да, сам блог интересный. Там была пара статей, как на base R обойти по скорости data.table. Очень познавательно

опечатка

python

благодарю, сейчас исправлю

Запятая после Титаника нужна? "В таблице titanic, которую мы загрузили"?

нужна, добавил запятую

вообще, аргумент, что R проще изучить так себе. наоборот питон более казуальный

Отнюдь.

На днях прослушал как раз мнение питонистов-програмистов: https://podcasts.google.com/?feed=aHR0cHM6Ly9sZWFybnB5dGhvbi5wb2RiZWFuLmNvbS9mZWVkLnhtbA&episode=bGVhcm5weXRob24ucG9kYmVhbi5jb20vN2JiYmMyODgtOWRjOC01MDhmLTg4M2ItYmVjNTdmZTUwMjc1&hl=ru-BY&ved=2ahUKEwjimtHN6p7oAhXCsaQKHcaqDS8QieUEegQIBRAE&ep=6

Если коротко: проблемы не с пайтонами, а с инструментами тип джупитера и с тем что дата-станисты не программисты.

про более кривую learning curve я регулярно читаю в разных околоакадемических твиттерах

Все это лукавство, про курву лернингов. Зависит от того, от каких задач подходить: если со стороны ETL — пайтон легче, а сейчас куча всякого дата-манипуляторского просто в SQL заехала, если со стороны дип-лернингов — снова змий. В Р проще, разве что, со стороны учебников и учебы заехать.

etl-то легче? то-то я каждый день кровавые слезы от панд утираю...