不相似。

R分析数据时需要先通过数据如果是统计理论研究、前沿科学研究，R比python更胜一筹。 R的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面（主要用在金融分析与趋势预测）无论是经典还是前沿的方法都有相应的包直接使用；相比python在这方面贫乏不少。 R的使用人群主要是一些高校、医药的统计学家，新出现的理论很快就被社区开发出相应的库，以供调用。python的工程化应用强于R。 Python的优势在于其胶水语言的特性，由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。 如果你小心地避免使用依赖于系统的特性，那么你的所有Python程序无需修改就可以在下述任何平台上面运行。 些平台包括Linux、Windows、FreeBSD、Macintosh、Solaris、OS/2、Amiga、AROS、AS/400、BeOS、OS/390、z/OS、Palm OS、QNX、VMS、Psion、Acom RISC OS、VxWorks、PlayStation、Sharp Zaurus、Windows CE甚至还有PocketPC、Symbian以及Google基于linux开发的Android平台！python的应用场景大于R。 Python是一套比较平衡的语言，各方面都可以，而R是在统计、数据分析方面比较突出。 但是数据分析其实不仅仅是统计，前期的数据收集，数据处理，数据抽样，数据聚类，以及比较复杂的数据挖掘算法，数据建模等等这些任务，只要是100M以上的数据，R都很难胜任，但是Python却基本胜任。python处理大数据的速度快于R。 一些底层用C写的算法封装在python包里后性能非常高。

R言和Python语言在某些方面是相似的，但也存在一些区别。

以下是它们的相似点和区别：

相似点：

1. 开源语言：R语言和Python语言都是开源的，可以免费获取和使用。

2. 数据科学和统计分析：两者都在数据科学和统计分析领域广泛使用，并提供了许多用于数据操作、统计分析和可视化的库和包。

3. 社区支持：R语言和Python语言都有活跃的开发者社区和丰富的资源，可以获取到大量的开源库、代码示例和技术支持。

区别：

1. 语法和设计：R语言主要设计用于统计分析和数据处理，其语法较为专注于数据处理和向量化操作。Python语言则更通用，具有更广泛的应用领域，语法设计追求简洁和易读性。

2. 生态系统和库：Python拥有庞大的生态系统，涵盖了广泛的领域，并提供了许多通用库和工具。R语言则在统计分析和数据可视化方面具有更为强大和专业的库和包。

3. 应用领域：由于设计和生态系统的不同，R语言在统计学、数据科学和学术研究等领域具有广泛应用，而Python更广泛地应用于机器学习、数据工程、Web开发等领域。

总体而言，R语言和Python语言在某些方面相似，但在语法、设计、生态系统和应用领域上存在不同。选择使用哪种语言应取决于具体的需求和应用场景。特定任务可能更适合使用其中的一种，但也有许多情况下可以将两种语言结合使用来发挥最佳效果。