合作专线:17362615757
行业资讯

AI资讯

当前位置:首页 > 行业资讯 > AI资讯

R和Python谁更好?这次也你「鱼和熊掌」鱼与熊掌


作者 | Parul Pandey译者 | 大鱼责编 | Jane出品 | Python大本营(公众号id:pythonnews)
如果你从事在数据科学领域,提到编程语言,一定能马上想到 R 语言和 Python语言(以下分别简称 R、Python)。现在更多时候大家都把它们两个放在一起对比,进行“二选一”,而不是把两个都为自己所用。其实,无论是 R 还是 Python,两个都是很优秀的工具。
如果你在 Google 中搜索“R vs Python”,可以看到很多关于二者谁更好的讨论。
      出现这种现象的原因之一是,使用者们基于自己所使用的编程语言,将数据科学领域分为几个阵营,包括 R 阵营和 Python 阵营。两个阵营的人都十分相信自己选择的语言远好于对方的。所以在某种程度上,这种分歧并不全部来自于工具本身,也有来自使用者的原因。
为什么不同时使用两种语言?
其实,在数据科学的圈子里,也存在同时使用 Python 和 R 的人,但比例是非常小。另外,有一大部分坚持使用某一种语言的人,同时也希望能掌握另一种语言的某些功能。比如,R 的使用者有时候很需要 Python 的面向对象属性,与此同时,一些 Python 用户也想使用 R 强大的统计分布功能。
      上图显示了由 Red Monk 在 2018 年第三季度所进行的调查的结果。此结果基于 Stack Overflow 和 Github 上语言的受欢迎程度,很明显 R 和 Python 的得分都很高。从语言本身来说,并不是限制我们不能在同一项目中使用两者的原因。而我们的最终目标要做更有洞察、有价值的分析,而选择哪种语言不应该成为这一过程中的阻碍。
纵观 R 和 Python
下面我们可以先从几个不同方面对比这两种语言,分别看看它们的优缺点。
      
Python

自 1991 年发布以来,Python 就极其受欢迎,尤其在数据处理方面被广泛应用。它如此受欢迎有以下几个原因:
面向对象语言通用性可扩展性强,强大的社区支持易于理解和学习Pandas、Numpy 和 Scikit-learn 等包使 Python 成为机器学习的极佳选择
然而,与 R 不同的是,Python 没有用于统计计算的专用包。
      
R

R 首次发布于 1995 年,随即成为数据科学领域应用最广的工具之一。
几乎包含你能想到的任何一种统计应用工具包。当前 CRAN 有超过 10 万个包。具备极好的可视化工具包,如 ggplot2。能够进行独立分析。
从性能上来说,R 并不是速度最快的语言,而且在处理大型数据集时,可能对内存消耗较大。
“双剑合璧”
是否可以同时运用 R 超凡的统计能力和 Python 的编程能力呢?我们可以轻松地将 SQL 代码与 R 或 Python 相结合写成一个脚本,为什么不把 R 和 Python 也结合一起使用呢?
将 Python 与 R 同时应用在同一个项目中,有两个基本的手段,接下来就和大家分享这两个方法:
R within Python
PypeR
PypeR 提供了一种可以让 R 连接 Python 的简单途径,即通过管道 (pipe)。PypeR 也存在于 Python 的工具包之中,提供了更便捷的安装方式。当 Python 和 R 之间不需要频繁进行数据传输时,PypeR 非常适用。当我们通过管道运行 R 时,Python 程序在子流程控制、内存控制和跨操作系统(包括 Windows、GNU Linux 和 Mac OS)移植的灵活度都比较高。
     pyRserve
pyRserve 使用 Rserve 作为 RPC 的连接网关,通过这种连接方式,用户可以在 Python 中设置 R 的变量,同时 R 的函数也可以被远程调用。
rpy2
ryp2 可以在 Python 进程中运行内嵌的 R 语言。它创建了一种框架,可以将 Python 对象转化为 R 对象,再把它们传入 R 函数,最后将 R 输出的结果传回给 Python 对象。
      
在 Python 中调用 R 语言的优点之一是,我们可以在 Python 中方便地使用 R 语言强大的工具包,如 ggplot2、tidyr、dplyr 等。下面我们通过一个简单的例子来看看如何在 Python 中使用 ggplot2。
Basic Plot
      
      Geometry
     
     关于 rpy2 的资料rpy2官方文档RPy2: Combining the Power of R + Python for Data Science:Accessing R from Python using RPy2:
Python with R

我们可以通过如下几个工具在 Python 中运行 R 语言的脚本:
rJython
该工具包通过 Jython 部署了连接 Python 的界面,提供了将 Python 与 R 连通的接口。
rPython
rPython 也是一个在 R 语言中调用 Python 的工具包,它可以在 R 中运行 Python 代码,进行函数的调用,以及变量的分配和获取等。
SnakeCharmR
SnakeCharmR 是改良版的 rPython,它源于 rPython 的 'jsonlite' 分支,相比于 rPython 有诸多提升。
PythonInR
PythonInR 可以让用户非常方便地在 R 语言中使用 Python,提供了可与 Python 进行交互的函数。
reticulate
Reticulate 包提供了一整套可使 Python 与 R 互相操作的工具。在所有上面所提到的工具中,这个使用最为广泛,大部分原因在于它是由 Rstudio 主导开发的。Reticulate 在 R 模块中内嵌了 Python 模块,使两种语言可以无缝且高性能地相互操作。使用该工具包,我们可以把 Python 代码 “编织” 进 R 语言中,创造了一种将两种语言相结合的新型项目。
      
Reticulate 包提供了以下功能:
提供多种在 R 语言中调用 Python 的方式,包括 R Markdown、导入 Python 脚本、引入 Python 模块,以及在 R 模块中使用 Python。提供 R 对象和 Python 对象间的相互转换(例如,R 与 Pandas 数据框的转换,或 R 矩阵与 NumPy 数组的转换)。可与不同版本的 Python 进行灵活的合作,包括虚拟环境和 Conda 环境。
关于 reticulate 工具包的资源:该文档提供了许多实例来助你入门:使用 reticulate 包,在 R 语言中使用 Python:工具包中的 “蛇”:用 reticulate 将 Python 与 R 联结:
结论
R 和 Python 都是完整且稳定的语言,都足以完成一项数据分析任务。虽然二者均存在一些各自的优劣势,如果能利用好它们的优点,我们就能更好地完成任务。总之,同时掌握两种语言会使我们更加灵活,从而在多种环境下自如地工作。
原文链接:
(本文为AI科技大本营转载文章,转载请微信联系 1092722531)
◆精彩推荐◆4月13-14日,CSDN将在北京主办“Python开发者日(2019)”,汇聚十余位来自阿里巴巴、IBM、英伟达等国内外一线科技公司的Python技术专家,还有数百位来自各行业领域的Python开发者,共同探讨Python在不同场景下的的应用优势和实战经验。即刻扫码抢购早鸟票,限量发售!


推荐荐阅读:Google又逆天:语音输入离线实时输出文字,仅占80MB!然而……西工大开源拥挤人群数据集生成工具,大幅提升算法精度 | CVPR 2019R和Python谁更好?这此让你「鱼与熊掌」兼得10行Python,搭建一个游戏AI | 视频教程Node.js 与 JavaScript 基金会正式合并,JS 喜提新主场云计算时代运维的出路在哪?30岁的万维网活不长了! 蒂姆·伯纳斯·李要借去中心化亲手杀死它, 你再也不用担心...互联网裁员潮亲历者:那些阵痛、挣扎与去向没有一个人,能躲过程序员的诱惑!                         ❤点击“阅读原文”,查看历史精彩文章。
Auto_z