放棄 PK，擁抱合作——R 和 Python 能做出什么新花樣？
我們更應該關注的是技能，而不是工具。
如果你想進入數(shù)據(jù)科學領域，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在他們各自的領域里，都是非常***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于他們霸權之爭。
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)科學領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。
為啥不能將兩者結合?
在數(shù)據(jù)科學領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固有的面向對象能力，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年第三季度的調查結果。這些結果是基于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該成為實現(xiàn)這一目標的障礙。
縱觀R和python
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***的社區(qū)支持
- 易于理解和學習
由于擁有大量用于科學計算和機器學習的包，例如pandas,numpy 和scikit-learn，這使得在機器學習領域中，python變成了一個***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)科學領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***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存。
兩全其美
我們可以利用R的統(tǒng)計能力和Python的編程能力嗎?那么，當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。通過這樣的連接，可以在Python的R中設置變量，也可以遠程調用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對象轉換為R對象，將它們傳遞給R函數(shù)，并將R輸出轉換回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對象轉換為R對象，將它們傳遞給R函數(shù)，并將R輸出轉換回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語言可以調用Python。使用rPython，通過R語言可以運行Python代碼，調用函數(shù)，分配和檢索變量等。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)(公眾號：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。 該包使您能夠將Python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中以多種方式調用Python，包括R標記、加載Python腳本、導入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
結論
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。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。
