🛠 R은 R스럽게, Python은 Python스럽게

지금까지 대부분 분석 작업을 R로 수행해 왔는데, 현 직장에서 대시보드 개발 작업을 Python의 Streamlit으로 하고 있어서 요즘 주로 Python을 다루고 있다. Data wrangling, preprocessing 등과 같은 작업에는 R의 tidyverse syntax가 내게 가장 익숙하기에, Python에서 R의 dplyr(tidyverse ecosystem을 이루는 패키지 중 하나)을 Pandas와 호환되도록 구현한 siuba라는 함수를 이용해서 Data wrangling 작업을 수행하고 있었다. 이 과정에서 느낀 바는 데이터 분석에 R과 Python을 이용하고 있다면, R은 R스럽게, Python은 Python스럽게 쓰는게 좋을 것 같다는 것이다. 이 생각이 또 언제 어떻게 바뀔지는 모르겠지만, 지금은 그렇다. 그 이유를 써보면 다음과 같다: 1. dplyr을 Pandas에 호환되도록 구현한 siuba는 현재 R에서 제공하고 있는 dplyr 기능에 비하면 구현되지 않은 기능들이 매우 많아서, 필연적으로 Pandas의 함수를 섞어서 쓸 수 밖에 없다. 2. 앞서 Data wrangling 과정에 Pandas 함수를 섞어써야만 하는 상황이 있을 수 밖에 없다고 했다. 이에 따라, tidyverse의 핵심인 Pipe 연산자(R에서는 |> 또는 %>%, Python에서는 >>)와 호환이 썩 자유롭게 되지 않는 Pandas 함수들도 있어서 중간에 코드를 자를 수 밖에 없는 상황이 발생한다. 3. Pandas 함수를 섞어 써야하기에 R에서 tidyverse를 이용할때 만큼의 코드 가독성은 기대하기 힘들다. 아울러, tidyverse에서 추구하는 철학과 Syntax, Pandas에서 추구하는 철학과 Syntax가 있을텐데, 이 둘을 섞어 써가며 작업하는 것은 R과 Python을 둘 다 어느정도 다룰 줄 아는 사용자들에게도 썩 좋게 보이진 않을 듯 하다. 4. 데이터 분석에 Python만을 이용해 본 사용자들이 tidyverse syntax를 Python에도 갖다 쓰는 행태를 보면, 코드에 상당한 거부감을 일으킬 수 있을 것 같다는 생각을 했다. Python에서 tidyverse가 꽤나 완성도있게 구현되어 있는 상황이라면, 기존의 Python 사용자들을 설득할만한 수준의 코드를 짤 가능성이 조금이나마 있겠지만 그렇지 않은 상황이다. tidyverse를 이루는 패키지들 중 dplyr만 쪼오금 구현되어 있는 상황이고, dplyr에서 제공하는 함수들(e.g. mutate())과 유연하게 작동하여 vectorized 연산이 자연스럽게 수행 되는 lubridate(날짜를 다룰 때 사용하는 패키지), stringr(문자열을 다룰 때 사용하는 패키지)과 같은 패키지들은 전혀 구현이 되어있지 않은 상태이다. 참고로, ggplot2의 경우는 python에서 plotnine이라는 패키지가 존재하는데 이 또한 현재 R에서 사용하고있는 ggplot2와의 기능과 비하여 봤을때 얼마나 구현이 되어있는지는 모르겠다. matplotlib나 Seaborn 등과 같은 시각화 라이브러리를 사용하는 것보다 메리트가 있으려면 tidyverse syntax가 잘 구현되어 있어야하는데 그렇지 않은 상황이니. 이러한 이유에서 나는 R에 익숙한 사용자여도 데이터 분석에 Python을 이용할 상황이 있다면, 굳이 익숙한 tidyverse systax를 따르는, 그런 기능을 구현한 함수들을 찾는 것 보다는 그냥 Pandas가 가지고 있는 철학, syntax를 이해하는게 Python을 이용한 데이터 분석 역량을 키우는 데에 훨씬 더 좋아보인다. Python에 익숙한 사용자가 R을 이용하고자 하는 반대의 상황에도, 해당 언어(R)에서 데이터 분석을 할때 중점적으로 다뤄지는 라이브러리(e.g. tidyverse)의 철학과 syntax를 이해하고자 하는 노력이 있어야 보다 빨리 R 역량을 키울 수 있을 것이다. 그리고, 이 관점에서 “Pandas는 구려, tidyverse가 짱이지.” 또는 “tidyverse는 구려, Pandas가 짱이지. 와 같은 극단적 의견은 매우 무의미해 보인다.