如何做到R和python的完美配合
发布网友
发布时间：2022-04-22 05:47
共3个回答
懂视网
时间：2022-04-07 16:20
python 与 R 是当今数据分析的两大主流语言。
python是通用编程语言，科学计算、数据分析是其重要的组成部分，但并非全部；而R则更偏重于统计分析，毕竟R是统计学家发明的，本身就是为统计而生。（推荐学习：Python视频教程）
python的优势在于其全能性，几乎所有的领域都有python的身影，而R则在统计及其相关领域非常专业。二者各有优势。那么这么好的两个东西，能不能结合到一起呢？
答案是肯定的。要想实现这种功能，一般必须要提供相应的调用接口。rpy2这个第三方库就提供了python调用R的接口。本文主要介绍rpy2的简单使用。
常用的命令：
1. import rpy2.robjects as robjects 这个命令是导入 r对象
2. robjects.r("r_script") 可以执行r代码，比如 pi = robjects.r('pi') 就可以得到 R 中的PI（圆周率），返回的变量pi是一个向量，或者理解为python中的列表，通过pi[0] 就可以取出圆周率的值。
3. robjects.r.source(“file.r”)可以执行r脚本文件。例子如下：
robjects.r.source('plot_demo.r')plot_demo.r 内容如下：
# R 语言测试脚本 x <- c(1,2,3,4) y <- x*x jpeg(file="plot.jpg") # 保存图像 plt <- plot(x,y) # 画散点图 dev.off() # 关闭设备
更多Python相关技术文章，请访问Python教程栏目进行学习！
热心网友
时间：2022-04-07 13:28
python是一门标准化的编程语言，结构比较规范，但是很多时候代码写起来不如R简便。因此，在python中用rpy2包（接口）调用R代码不失为一种两全其美的办法。此外，python中直接装个ggplot的第三方模块来代替matplotlib来画图，可以有效提高工作效率的。
热心网友
时间：2022-04-07 14:46
概述
在真实的数据科学世界里，我们会有两个极端，一个是业务，一个是工程。偏向业务的数据科学被称为数据分析（Data Analysis），也就是A型数据科学。偏向工程的数据科学被称为数据构建(Data Building)，也就是B型数据科学。
从工具上来看，按由业务到工程的顺序，这个两条是：EXCEL >> R >> Python >> Scala
在实际工作中，对于小数据集的简单分析来说，使用EXCEL绝对是最佳选择。当我们需要更多复杂的统计分析和数据处理时，我们就需要转移到 Python 和 R 上。在确定工程实施和大数据集操作时，我们就需要依赖 Scala 的静态类型等工程方法构建完整的数据分析系统。
Scala 和 Excel 是两个极端，对于大多数创业公司而言，我们没有足够多的人手来实现专业化的分工，更多情况下，我们会在 Python 和 R 上花费更多的时间同时完成数据分析（A型）和数据构建（B型）的工作。而许多人也对 Python 和 R 的交叉使用存在疑惑，所以本文将从实践角度对 Python 和 R 中做了一个详细的比较。
应用场景对比应用Python的场景
网络爬虫/抓取：尽管 rvest 已经让 R 的网络爬虫/抓取变得容易，但 Python 的 beautifulsoup 和 Scrapy 更加成熟、功能更强大，结合django-scrapy我们可以很快的构建一个定制化的爬虫管理系统。
连接数据库: R 提供了许多连接数据库的选择，但 Python 只用 sqlachemy 通过ORM的方式，一个包就解决了多种数据库连接的问题，且在生产环境中广泛使用。Python由于支持占位符操作，在拼接SQL语句时也更加方便。
内容管理系统：基于Django，Python可以快速通过ORM建立数据库、后台管理系统，而R
中的 Shiny 的鉴权功能暂时还需要付费使用。
API构建：通过Tornado这个标准的网络处理库，Python也可以快速实现轻量级的API，而R则较为复杂。
应用R的场景
统计分析: 尽管 Python 里 Scipy、Pandas、statsmodels 提供了一系列统计工具 ，R 本身是专门为统计分析应用建立的，所以拥有更多此类工具。
互动式图表/面板: 近来 bokeh、plotly、 intuitics 将 Python 的图形功能扩展到了网页浏览器，甚至我们可以用tornado+d3来进一步定制可视化页面，但 R 的 shiny 和 shiny dashboard 速度更快，所需代码更少。
此外，当今数据分析团队拥有许多技能，选择哪种语言实际上基于背景知识和经验。对于一些应用，尤其是原型设计和开发类，工作人员使用已经熟悉的工具会比较快速。
