PRF:20181025 How to write your favorite R functions in Python.md

published/20181025 How to write your favorite R functions in Python.md

@@ -4,7 +4,7 @@
 
 ![](https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/search_find_code_issue_bug_programming.png?itok=XPrh7fa0)
 
-“Python vs. R” 是数据科学和机器学习的现代战争之一。毫无疑问，近年来这两者发展迅猛，成为数据科学、预测分析和机器学习领域的顶级编程语言。事实上，根据 IEEE 最近的一篇文章，Python 已在 [最受欢迎编程语言排行榜][1] 中超越 C++ 成为排名第一的语音，并且 R 语言也稳居前 10 位。
+“Python vs. R” 是数据科学和机器学习的现代战争之一。毫无疑问，近年来这两者发展迅猛，成为数据科学、预测分析和机器学习领域的顶级编程语言。事实上，根据 IEEE 最近的一篇文章，Python 已在 [最受欢迎编程语言排行榜][1] 中超越 C++ 成为排名第一的语言，并且 R 语言也稳居前 10 位。
 
 但是，这两者之间存在一些根本区别。[R][2] 语言设计的初衷主要是作为统计分析和数据分析问题的快速原型设计的工具，另一方面，Python 是作为一种通用的、现代的面向对象语言而开发的，类似 C++ 或 Java，但具有更简单的学习曲线和更灵活的语言风格。因此，R 仍在统计学家、定量生物学家、物理学家和经济学家中备受青睐，而 Python 已逐渐成为日常脚本、自动化、后端 Web 开发、分析和通用机器学习框架的顶级语言，拥有广泛的支持基础和开源开发社区。
 
@@ -25,7 +25,7 @@ R 编程环境可以完成所有这些工作。
 
 ### 便于调用 R 函数的 Python 包装脚本
 
-[我编写了一个 Python 脚本][4] ，用 Python 简单统计分析定了义最简洁和最常用的 R 函数。导入此脚本后，你将能够原生地使用这些 R 函数，就像在 R 编程环境中一样。
+[我编写了一个 Python 脚本][4] ，用 Python 简单统计分析定义了最简洁和最常用的 R 函数。导入此脚本后，你将能够原生地使用这些 R 函数，就像在 R 编程环境中一样。
 
 此脚本的目标是提供简单的 Python 函数，模仿 R 风格的统计函数，以快速计算密度估计和点估计、累积分布和分位数，并生成重要概率分布的随机变量。