Dieses Buch bietet einen Leitfaden für Python-Codes und entsprechende R-Codes für die Verbindung, Manipulation und Analyse von Daten, wie sie heute nützlich sind. Es ergänzt und bereichert sowohl die Bibliotheken der Python- als auch der R-Benutzer und unterstützt Lernende/Lehrende, die eine Plattform verwenden und die andere erlernen/unterrichten wollen.Unser Ziel beim Schreiben dieses Buches ist es, den Benutzern zu helfen, ihr Wissen über Python so schnell und einfach wie möglich in ein effizientes Arbeitswissen über R und umgekehrt zu übertragen. Wir weisen auf die Unterschiede hin und verwenden dabei eine Terminologie, die sowohl Python- als auch R-Benutzern vertraut ist. Man kann jede R-Funktion finden, indem man ihr Gegenstück in Python nachschlägt und umgekehrt.Dieses Buch richtet sich an Studierende, Akademiker, Fachleute und allgemein Interessierte, die sowohl Python als auch R kennen. Wir erklären jedoch sowohl Python- als auch R-Codes für Statistik und Datenwissenschaft, so dass die Leser leicht von einer Software zur anderen wechseln können. In diesem Buch geht es nicht um das Schreiben von Funktionen oder die Entwicklung von Paketen in Python oder R, sondern um die Nutzung der vorhandenen Funktionen oder Pakete in Statistik und Datenwissenschaft.

Autorentext

Nethal Jajo (PhD in Mathematik) ist Ehrenmitglied der School of Mathematics and Statistics, University of Sydney, Forschungsinteresse: robuste Regression und Modellierung.Shelton Peiris (PhD in Mathematik) ist Professor an der School of Mathematics and Statistics, University of Sydney. Forschungsinteresse: Zeitreihenanwendungen in der Finanzökonometrie.