R과 Python 중 어느 것이 더 낫습니까?

데이터 사이언스 분야에 종사하며 프로그래밍 언어를 언급한다면 바로 R언어와 Python언어가 떠오를 것입니다 If Google에서 "R vs Python"을 검색하면 어느 것이 더 나은지에 대한 많은 토론을 볼 수 있지만 실제로는 R이든 Python이든 둘 다 훌륭한 도구입니다.

                                      🎜#appear here 이러한 현상이 나타나는 이유 중 하나는 사용자가 데이터 과학 분야를 나누기 때문입니다. R 캠프와 Python 캠프를 포함하여 그들이 사용하는 프로그래밍 언어를 기반으로 여러 캠프로 나뉩니다. 두 진영의 사람들은 자신이 선택한 언어가 상대방의 언어보다 훨씬 낫다고 굳게 믿습니다. 따라서 어느 정도 이러한 불일치는 도구 자체에서 비롯되는 것이 아니라 사용자에게서도 발생합니다.

두 언어를 동시에 사용하는 것은 어떨까요? 시간?

사실 데이터 과학계에는 Python과 Python을 동시에 사용하는 사람들도 있습니다. R. , 그러나 그 비율은 매우 작습니다. 게다가 특정 언어를 고집하는 많은 사람들은 다른 언어의 특정 기능도 익히고 싶어 합니다. 예를 들어, R 사용자는 때때로 Python의 객체 지향 속성이 필요합니다. 동시에 일부 Python 사용자는 R의 강력한 통계 분포 기능도 사용하기를 원합니다.

#🎜 🎜#

위 차트는 레드몽크가 2018년 3분기에 실시한 설문조사 결과입니다. 이 결과는 Stack Overflow와 Github에서 언어의 인기를 바탕으로 한 것이며, R과 Python 모두 높은 점수를 받은 것은 분명합니다. 언어 자체가 동일한 프로젝트에서 두 언어를 모두 사용할 수 없는 이유는 아닙니다. 우리의 궁극적인 목표는 보다 통찰력 있고 가치 있는 분석을 하는 것이며, 이 과정에서 언어 선택이 장애가 되어서는 안 됩니다.

R과 Python을 살펴보면서

이제 이 두 언어를 여러 측면에서 비교하고 각각의 장점과 단점을 살펴볼 수 있습니다.

• Python
  

Python은 1991년 출시 이후 특히 데이터 처리 분야에서 큰 인기를 끌었습니다. 널리 사용됩니다. 인기가 있는 데에는 여러 가지 이유가 있습니다.

• 객체 지향 언어

• 다양성

• 강력한 확장성과 강력한 커뮤니티 지원

• 이해하고 배우기 쉽습니다

• 패키지(예: Pandas) 우수한 머신러닝 머신 Python choice

그러나 R과 달리 Python에는 통계 계산을 위한 전용 패키지가 없습니다.

• R
  

R은 1995년에 처음 출시된 후 즉시 해당 분야에서 가장 널리 사용되는 제품이 되었습니다. 데이터 과학의 도구 중 하나입니다.

• 당신이 생각할 수 있는 거의 모든 통계 응용 프로그램을 위한 툴킷입니다. 현재 CRAN에는 100,000개가 넘는 패키지가 있습니다.

• ggplot2와 같은 뛰어난 시각화 도구 키트가 있습니다.

• 독립적인 분석이 가능합니다.

성능면에서 R은 가장 빠른 언어는 아니며 대규모 데이터 세트를 처리할 때 많은 메모리를 소비할 수 있습니다.

"두 개의 검이 합체"

R의 놀라운 통계 능력과 Python의 프로그래밍 능력을 동시에 사용할 수 있을까요? SQL 코드를 R 또는 Python과 쉽게 결합하여 스크립트를 작성할 수 있습니다. R과 Python도 함께 사용하는 것은 어떨까요?

동일한 프로젝트에 Python과 R을 동시에 적용하는 두 가지 기본 방법이 있습니다. 다음으로 이 두 가지 방법을 공유하겠습니다.

R PypeR은 파이프를 통해 R을 Python에 연결하는 간단한 방법을 제공합니다. PypeR은 Python 툴킷에도 존재하여 보다 편리한 설치 방법을 제공합니다. PypeR은 Python과 R 간의 빈번한 데이터 전송이 필요하지 않은 경우에 이상적입니다. 파이프라인을 통해 R을 실행하면 Python 프로그램은 하위 프로세스 제어, 메모리 제어 및 Windows, GNU Linux 및 Mac OS를 포함한 운영 체제 전반의 이식성 측면에서 더 유연해집니다. pyRserve

를 사용하세요

Rserve

RPC 연결 게이트웨이로 이 연결 방식을 통해 사용자는 Python에서 R 변수를 설정할 수 있으며 R 함수도 원격으로 호출할 수 있습니다.

• rpy2

ryp2는 Python 프로세스에서 임베디드 R 언어를 실행할 수 있습니다. Python 개체를 R 개체로 변환하고 이를 R 함수에 전달한 다음 마지막으로 R 출력을 다시 Python 개체에 전달하는 프레임워크를 만듭니다.

• Python에서 R 언어를 호출할 때의 장점 중 하나는 ggplot2, tidyr, dplyr 등과 같은 R 언어의 강력한 툴킷을 Python에서 쉽게 사용할 수 있다는 것입니다. Python에서 ggplot2를 사용하는 방법을 알아보기 위해 간단한 예를 들어보겠습니다.

  
  

  • 기본 플롯

  
  

  https://r .github.io/doc/latest/html/graphics.html# 플롯

  
  

  

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

    
    

    https://rpy2.github.io/doc/latest/html/index.html html

    

    RPy2: 데이터 과학을 위한 R + Python의 힘 결합：

    https://community.alteryx.com/t5/Data-Science-Blog/RPy2-Combining-the- Power-of-R-Python-for-Data-Science/ba-p/138432

    RPy2를 사용하여 Python에서 R에 액세스하기：

    https://www.r-bloggers.com/ access-r-from-python-using-rpy2/

    R

    을 사용하는 Python

    다음 도구를 통해 Python에서 R 언어 스크립트를 실행할 수 있습니다. 🎜🎜#

    rJython

    
    

    • # 🎜 🎜 ##🎜 🎜#이 툴킷은 Jython을 통해 Python을 연결하는 인터페이스를 배포하여 Python과 R을 연결하는 인터페이스를 제공합니다.

    
    

    rPython#🎜 🎜## 🎜🎜#

    
    

    • rPython은 R Python에서 실행될 수 있는 R 언어로 Python을 호출하기 위한 툴킷이기도 합니다. 코드, 함수 호출, 변수 할당 및 가져오기 등

    
    

    SnakeCharmR

    #🎜 🎜## 🎜🎜#

    
    

    SnakeCharmR

    • #🎜 🎜#은 rPython의 'jsonlite

      ' 분기에서 파생되었으며 rPython에 비해 많은 개선이 이루어진 rPython의 개선 버전입니다.

    
    

    PythonInR#🎜 🎜 ## 🎜🎜#

  
  

  PythonInR을 사용하면 Python을 R 언어로 매우 편리하게 사용할 수 있으며 Python 기능과 상호 작용할 수 있는 도구를 제공합니다. #ㅋㅋㅋ # 🎜🎜#

  
  

  • Reticulate 패키지는 Python과 R의 상호 운용을 허용하는 완전한 도구 세트를 제공합니다. 위에서 언급한 모든 도구 중에서 이 도구는 Rstudio의 주도 ​​하에 개발되었기 때문에 가장 널리 사용됩니다. Reticulate는 R 모듈 내에 Python 모듈을 내장하여 두 언어가 원활하고 높은 성능으로 상호 운용될 수 있도록 합니다. 이 툴킷을 사용하면 Python 코드를 R에 "엮어서" 두 언어를 결합하는 새로운 유형의 프로젝트를 만들 수 있습니다.

  
  

  #🎜 🎜## 🎜 Reticulate 패키지는 다음 기능을 제공합니다. 🎜🎜#

  R Markdown, Python 스크립트 가져오기, Python 모듈 소개, R 모듈에서 Python 사용 등 R 언어에서 Python을 호출하는 여러 가지 방법을 제공합니다.

  
  

  R 개체와 Python 개체 간의 변환을 제공합니다(예: R 및 Pandas 데이터 프레임 변환) 또는 R 행렬을 NumPy 배열로 변환).

  
  

  가상 환경, Conda 환경 등 다양한 버전의 Python과 유연한 협업이 가능합니다.

망상형 툴킷에 대한 리소스:

문서에서는 시작하는 데 도움이 되는 많은 예제를 제공합니다.

reticulate 패키지를 사용하여 R에서 Python 사용:

https://longhowlam.wordpress.com/2017/04/10/test-driving-python-integration-in-r -using-the- reticulate-package/

도구 패키지의 "뱀": reticulate를 사용하여 Python을 R과 연결:

https://www.mango-solutions.com/blog /snakes-in -a-package-combining-python-and-r-with-reticulate

결론

R과 Python 모두 완전하고 안정적인 언어이므로 완료하기에 충분합니다. 데이터 분석 작업입니다. 둘 다 장점과 단점이 있지만, 장점을 잘 활용하면 작업을 더 잘 완료할 수 있습니다. 간단히 말해서, 두 가지 언어를 동시에 알면 우리는 더욱 유연해지고 다양한 환경에서 편안하게 일할 수 있게 됩니다.

【추천 강좌: Python 동영상 튜토리얼】

위 내용은 R과 Python 중 어느 것이 더 낫습니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!