0
| 本文作者： AI研習(xí)社-譯站 | 2019-05-09 10:13 |
本文為 AI 研習(xí)社編譯的技術(shù)博客，原標題 ：
From ‘R vs Python’ to ‘R and Python’
作者 | Parul Pandey
翻譯 | 醬番梨、董星、CONFIDANT、穿著涼鞋走天下
校對 | 約翰遜?李加薪 審核 | Pita 整理 | 立魚王
原文鏈接：
https://towardsdatascience.com/from-r-vs-python-to-r-and-python-aa25db33ce17
我們更應(yīng)該關(guān)注的是技能，而不是工具。
如果你想進入數(shù)據(jù)科學(xué)領(lǐng)域，你可能立即會想到R和Python。然而，我們并不是要以作為兩種選擇來考慮他們，相反地，我們更多的是去比較他們。R和Pyhton在他們各自的領(lǐng)域里，都是非常完美的工具。盡管如此，他們往往成為各自敵人而爭吵。如果你在谷歌搜索欄里輸入“R vs Python”,你會看到非常多的關(guān)于他們霸權(quán)之爭。
產(chǎn)生這種觀點的原因之一是，人們根據(jù)所使用的編程語言的選擇將數(shù)據(jù)科學(xué)領(lǐng)域劃分為不同的陣營——R陣營和Python陣營，歷史證明了兩個陣營不能和諧相處。兩大陣營的成員都堅信他們對語言的選擇優(yōu)于對方。所以，在某種程度上，分歧不在于工具，而在于使用這些工具的人。
在數(shù)據(jù)科學(xué)領(lǐng)域中有一些人同時使用Python和R，但是他們的比例很小。另一方面，有很多人只致力于一種編程語言，但他們希望能夠使用對手的一些功能。例如，R用戶有時渴望Python固有的面向?qū)ο竽芰?，同樣地，一些Python用戶渴望R中可用的統(tǒng)計分布的廣泛范圍。
上圖顯示的是Red Monk在2018年第三季度的調(diào)查結(jié)果。這些結(jié)果是基于Stack Overflow和Github上流行的語言得出的，并清楚地表明R和Python的評分都很高。因此，我們沒有內(nèi)在的理由不能在同一個項目上與他們一起工作。我們的最終目標應(yīng)該是做更好的分析，得出更好的見解，選擇一種編程語言不應(yīng)該成為實現(xiàn)這一目標的障礙。
讓我們來看看這兩種語言的各個方面和他們有哪些優(yōu)勢與弊端。
pyhton
自發(fā)布于與1991年，pyhton變得十分流行并且它廣泛地用于數(shù)據(jù)處理。以下就是python為什么這么流行的原因：
面對對象
通用
有大量的擴展庫和無與倫比的社區(qū)支持
易于理解和學(xué)習(xí)
由于擁有大量用于科學(xué)計算和機器學(xué)習(xí)的包，例如pandas,numpy 和scikit-learn，這使得在機器學(xué)習(xí)領(lǐng)域中，python變成了一個完美的選擇.
不幸的是，pyhton并沒有專門用于統(tǒng)計計算的包。但是，R有.
R
R在1995年發(fā)布。從那時候開始，R在數(shù)據(jù)科學(xué)領(lǐng)域就變成了最有用的工具之一。它具有如下優(yōu)勢
R幾乎擁有所能想到的用于統(tǒng)計計算的包。CRAN目前已經(jīng)擁有超過10000個包了。
配備了完美的可視化庫，例如ggplot
能夠進行獨立分析
R雖然性能如此強大，但是它不是最快的語言并且在處理大數(shù)據(jù)集的時候可能會消耗大量的內(nèi)存。
我們可以利用R的統(tǒng)計能力和Python的編程能力嗎?那么，當(dāng)我們可以很容易地在R或Python腳本中嵌入SQL代碼時，為什么不將R和Python混合在一起呢?
基本上有兩種方法可以同時在一個項目中使用Python和R。
Python中的R
PypeR
PypeR提供了一種通過管道從Python訪問R的簡單方法。PypeR還包含在Python的包索引中，這為安裝提供了更方便的方法。當(dāng)不需要在Python和R之間頻繁地交互數(shù)據(jù)傳輸時，PypeR特別有用。通過管道運行R, Python程序在子進程控制、內(nèi)存控制和跨流行操作系統(tǒng)平臺(包括Windows、GNU Linux和Mac OS)的可移植性方面獲得了靈活性。
pyRserve
pyRserve使用Rserve作為RPC連接網(wǎng)關(guān)。通過這樣的連接，可以在Python的R中設(shè)置變量，也可以遠程調(diào)用R函數(shù)。R對象作為python實現(xiàn)的類的實例公開，在許多情況下，R函數(shù)作為這些對象的綁定方法。
rpy2
rpy2在Python進程中運行嵌入式R。它創(chuàng)建了一個框架，可以將Python對象轉(zhuǎn)換為R對象，將它們傳遞給R函數(shù)，并將R輸出轉(zhuǎn)換回Python對象。rpy2使用得更多，因為它是一個正在積極開發(fā)的。
rpy2在Python進程中運行嵌入式R。它創(chuàng)建了一個框架，可以將Python對象轉(zhuǎn)換為R對象，將它們傳遞給R函數(shù)，并將R輸出轉(zhuǎn)換回Python對象。由于它是一個正在積極開發(fā)的項目，所以它被使用得更頻繁。
Basic Plot
https://rpy2.github.io/doc/latest/html/graphics.html#plot
Geometry
https://rpy2.github.io/doc/latest/html/graphics.html#geometry
資源
想要更深入地了解rpy2，請參閱以下資源:
rpy2’s Official Documentation
RPy2: Combining the Power of R + Python for Data Science
Accessing R from Python using RPy2
R調(diào)用Python
我們可以選擇以下的一種方法在Python中運行R腳本：
rJython
這個工具包使用Jython實現(xiàn)到Python的接口。它的目的是使其他包能夠在R中嵌入Python代碼。
rPython
rPython也是一種工具包，使得R語言可以調(diào)用Python。使用rPython，通過R語言可以運行Python代碼，調(diào)用函數(shù)，分配和檢索變量等。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
SnakeCharmR
SnakeCharmR是改良版的 rPython。它源于 rPython 的 'jsonlite' 分支,相比于 rPython 有諸多提升。
PythonInR
PythonInR提供了R與Python交互的函數(shù)，簡化了通過R訪問Python的過程。
reticulate
reticulate包為Python和R之間的協(xié)同操作提供了全套工具。 在以上提供的所有方法中，reticulate被最廣泛使用，更重要的是，它使用Rstudio開發(fā)的。Reticulate將Python會話嵌入到R會話中，支持無縫、高性能的交互性能。 該包使您能夠?qū)ython代碼編織到R中，從而創(chuàng)建一種將兩種語言融合在一起的新項目。
reticulate 包提供下列工具：
支持從R中以多種方式調(diào)用Python，包括R標記、加載Python腳本、導(dǎo)入Python模塊，以及在R會話中交互式地使用Python。
實現(xiàn)R和Python對象之間的轉(zhuǎn)換 （例如：R和Pandas數(shù)據(jù)幀之間，或者R矩陣和NumPy數(shù)組之間的轉(zhuǎn)換）。
靈活地綁定到不同版本的Python，包括虛擬環(huán)境和Conda環(huán)境。
資源
使用網(wǎng)狀包的一些很好的資源是:
文檔非常健壯，有很多示例和用例可以幫助您入門(請點擊原文查看文檔)。
https://longhowlam.wordpress.com/2017/04/10/test-driving-python-integration-in-r-using-the-reticulate-package/
SNAKES IN A PACKAGE: COMBINING PYTHON AND R WITH RETICULATE
R和Python都是非常健壯的語言，它們中的任何一種實際上都足以執(zhí)行數(shù)據(jù)分析任務(wù)。然而，這兩者肯定都有一些高和低的點，如果我們能利用兩者的優(yōu)勢，我們可以做得更好。無論哪種方式，掌握這兩方面的知識都將使我們更加靈活，從而增加我們能夠在多種環(huán)境中工作的機會。
引用：Interfacing R and Python?—?Andrew
http://blog.yhat.com/tutorials/rpy2-combing-the-power-of-r-and-python.html
想要繼續(xù)查看該篇文章相關(guān)鏈接和參考文獻？
點擊【放棄 PK，擁抱合作——R 和 Python 能做出什么新花樣？】即可訪問：
https://ai.yanxishe.com/page/TextTranslation/1618
社長今日推薦：AI入門、大數(shù)據(jù)、機器學(xué)習(xí)免費教程
35本世界頂級原本教程限時開放，這類書單由知名數(shù)據(jù)科學(xué)網(wǎng)站 KDnuggets 的副主編，同時也是資深的數(shù)據(jù)科學(xué)家、深度學(xué)習(xí)技術(shù)愛好者的Matthew Mayo推薦，他在機器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域具有豐富的科研和從業(yè)經(jīng)驗。
點擊鏈接即可獲?。?a target="_blank" rel=nofollow>https://ai.yanxishe.com/page/resourceDetail/417
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
