如何让充分利用R+Python

今天想和大家聊聊如何充分利用R Python，可能很多人都不太懂。为了让大家更好的了解，边肖为大家总结了以下内容，希望大家能从这篇文章中有所收获。

如果你从事数据科学工作，你可能会马上想到两种编程语言：R和Python。

事实上，R和Python本身就是很好的工具，但它们通常被认为是竞争对手。今天的推荐文章将比较这两者，而不是把它们当作两个选择。

如果你在谷歌搜索栏输入R vs Python，你会立刻得到很多关于一方优势的文章。

造成这一结果的原因之一是，人们根据对编程语言的选择，将数据科学领域分为阵营、R阵营和Python阵营。而且，这两个阵营往往无法和谐相处，其成员都认为自己的语言优于对方。因此，在某种程度上，区别不在于工具，而在于mdashmdash

为什么不同时使用呢？

数据科学领域很少有人同时使用Python和R。但事实上，虽然很多人只使用一种编程语言，但他们也想使用另一种软件的一些功能。例如，R用户有时希望使用Python的原生面向对象功能，一些Python用户也希望在R中使用各种统计分布。

上图为红和尚2018年第三季度的调查结果。这个调查数据来自于Stack Overflow和Github上语言的流行，很明显R和Python都很流行。因此，我们没有内在的理由不能在同一个项目中同时使用两者。我们的最终目标应该是更好的分析和更好的理解，编程语言的选择不应该成为实现这个目标的障碍。

R与Python回顾

让我们看看这些语言及其优缺点。

Python

自1991年发布以来，Python一直非常流行，并广泛用于数据处理。优点是：

面向对象语言。

用途广泛。

有很多扩展(功能)和强大的社区支持。

简单，容易理解和学习。

Python是熊猫、numpy和scikit-learn等软件包上机器学习活动的* * *选择。

但是与R不同，Python没有专门的统计计算包。

R

R * * *版本于1995年发布，从那以后，它成为了业内最常用的数据科学工具之一。

包含几乎所有可能的统计应用程序的安装包。CRAN目前拥有超过10k的包包。

配备齐全？可视化库，如ggplot2。

能够进行独立分析。

性能好的r并不是最快的语言，在处理大数据集时有时可能内存太大。

充分利用这两种语言

能否同时使用R的统计能力和Python的编程能力？当我们可以轻松地在R或Python脚本中嵌入SQL代码时，为什么不混合使用R和Python呢？

基本上有两种使用Python和r的方法.

在Python中使用R

PypeR

(http://bioinfo.ihb.ac.cn/softwares/PypeR/)

PypeR提供了一种通过管道从Python访问R的简单方法。PypeR也包含在Python的Package Index中，它提供了一种更方便的安装方法。当Python和R之间不需要频繁的交互数据传输时，PypeR特别有用，通过管道运行R，Python程序在进程操作系统平台(包括Windows、GNU Linux和Ma)上运行。

c OS)的子流程控制下，可以获得内存控制和可移植性方面的灵活性。

pyRserve

(https://pypi.org/project/pyRserve/)

pyRserve使用Rserve作为RPC连接网关。通过这种连接，可以在Python中用R设置变量，也可以远程调用R函数。R对象作为Python实现的类的实例公开，在许多情况下R函数作为这些对象的绑定方法。

• rpy2

(https://rpy2.bitbucket.io/)

rpy2在Python进程中运行嵌入式R。它创建了一个框架，可以将Python对象转换为R对象，将它们传递给R函数，并将R输出转换回Python对象。rpy2更常用，并且在积极开发中。

在Python中使用R的一个优点是可以在Python中轻易使用R的强大软件包，如ggplot2，tidyr，dplyr等。举一个例子，让我们看看如何在Python中使用ggplot2进行映射。

• 基本场景

https://rpy2.github.io/doc/latest/html/graphics.html#plot

• 几何

https://rpy2.github.io/doc/latest/html/graphics.html#geometry

在R中使用Python

我们可以使用下面其中一种替代方法在Python中运行R脚本：

• rJython

(https://r-forge.r-project.org/projects/rjython/)

该包通过Jython实现了Python的接口。它旨在让其他包能够与R一起嵌入python代码。

•  rPython

(https://cran.r-project.org/web/packages/rPython/index.html)

rPython又是一个允许R调用Python的包。它使得在R中运行Python代码，进行函数调用，分配和检索变量等成为可能。

• SnakeCharmR

(https://github.com/asieira/SnakeCharmR)

SnakeCharmR是rPython的现代版本。它是'rPython'的一个分支，它用了'jsonlite'并且比rPython有很多进步之处。

• PythonInR

(https://bitbucket.org/Floooo/pythoninr/)

PythonInR通过提供从内部与Python交互的函数，使得从R内部访问Python变得非常容易。

•  reticulate

(https://github.com/rstudio/reticulate)

网状软件包为Python和R之间的互操作性提供了一套全面的工具。在上述所有选择中，这个是最广泛使用的，更是因为它正在被Rstudio积极开发。Reticulate在R会话中嵌入Python会话，实现无缝、高性能的互操作性。该软件包使你能够将Python代码网格化为R，从而创建一个将两种语言编织在一起的新项目。

网状包提供以下设施：

• 以各种方式从R调用Python，包括R Markdown，获取Python脚本，导入Python模块以及在R会话中以交互方式使用Python。

• R和Python对象之间的转换(例如，R和Pandas数据帧之间，或R矩阵和NumPy数组之间)。

• 灵活地绑定到不同版本的Python，包括虚拟环境和Conda环境。

R和Python都是非常强大的语言，其中任何一种语言都足以执行数据分析任务。但是，对于这两者来说肯定存在一些优缺点，如果我们能够利用两者的优势，一定可以做得更好。无论如何，对二者进行充分的了解能够让我们在更多的环境中进行工作。上述就是小编为大家分享的如何让充分利用R+Python了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注行业资讯频道。

看完上述内容，你们对如何让充分利用R+Python有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注行业资讯频道，感谢大家的支持。