R和Python誰比較好？

如果你從事在資料科學領域，提到程式語言，一定能馬上想到R 語言和Python語言如果你在Google 中搜尋「R vs Python ”，可以看到很多關於二者誰更好的討論，但其實無論是R 還是Python，兩個都是很優秀的工具。

      

這種現象的原因之一是，使用者是基於自己所使用的程式語言，將資料科學領域分為幾個陣營，包括R 陣營和Python 陣營。兩個陣營的人都十分相信自己選擇的語言遠勝於對方的。所以在某種程度上，這種分歧並不全來自於工具本身，也有來自使用者的原因。

為什麼不同時會使用兩種語言？

其實，在資料科學的圈子裡，也存在同時使用 Python 和 R 的人，但比例是非常小。另外，有一大部分堅持使用某種語言的人，同時也希望能掌握另一種語言的某些功能。例如，R 的使用者有時候很需要 Python 的物件導向屬性，同時，有些 Python 使用者也想使用 R 強大的統計分佈功能。

      

上圖顯示了由 Red Monk 在 2018 年第三季所進行的調查的結果。此結果是基於 Stack Overflow 和 Github 上語言的受歡迎程度，很明顯 R 和 Python 的得分都很高。從語言本身來說，並不是限制我們不能在同一專案中使用兩者的原因。而我們的最終目標要做更有洞見、有價值的分析，而選擇哪一種語言不應該成為這個過程中的阻礙。

綜觀R 與Python

下面我們可以先從幾個不同面向來比較這兩種語言，分別看看它們的優缺點。

      

• 
  

• ###############################################################。 ################Python#################################自1991 年發布以來，Python 就極為受歡迎，尤其在資料處理方面已被廣泛應用。它如此受歡迎有以下幾個原因：############################物件導向語言########## ##############通用性#######

• 可擴展性強，強大的社群支持

• 易於理解和學習

• Pandas、Numpy 和Scikit-learn 等套件使Python 成為機器學習的絕佳選擇

然而，與R 不同的是，Python 沒有用於統計計算的專用套件。

      

• 
  

########################。 ################R########################################## R 首次發佈於1995 年，隨即成為資料科學領域應用最廣的工具之一。 ###########################幾乎包含你能想到的任何一種統計應用程式工具包。目前 CRAN 有超過 10 萬個套件。 ########################有極佳的視覺化工具包，如 ggplot2。 #########################能夠進行獨立分析。 #####################

從效能上來說，R 並不是速度最快的語言，而且在處理大型資料集時，可能對記憶體消耗較大。

「雙劍合璧」

########################################## #########是否可以同時運用R 超凡的統計能力和Python 的程式設計能力呢？我們可以輕鬆地將 SQL 程式碼與 R 或 Python 結合寫成一個腳本，為什麼不把 R 和 Python 也結合一起使用呢？ #####################將Python 與R 同時應用在同一個專案中，有兩個基本的手段，接下來就和大家分享這兩個方法：###############################R within Python################ #################PypeR##############################PypeR 提供了一種可以讓R 連接Python 的簡單途徑，即透過管道(pipe)。 PypeR 也存在於 Python 的工具包之中，提供了更方便的安裝方式。當 Python 和 R 之間不需要頻繁進行資料傳輸時，PypeR 非常適用。當我們透過管道運行 R 時，Python 程式在子流程控制、記憶體控制和跨作業系統（包括 Windows、GNU Linux 和 Mac OS）移植的彈性度都比較高。 ######

     

• ##pyRserve

pyRserve 使用 Rserve 作為RPC 的連接網關，透過這種連接方式，使用者可以在Python 中設定R 的變量，同時R 的函數也可以被遠端呼叫。

• #rpy2

ryp2 可以在Python 進程中執行內嵌的R 語言。它創建了一個框架，可以將 Python 物件轉換為 R 對象，再把它們傳入 R 函數，最後將 R 輸出的結果傳回給 Python 物件。

      

##

在 Python 中呼叫 R 語言的優點之一是，我們可以在 Python 中方便地使用 R 語言強大的工具包，如 ggplot2、tidyr、dplyr 等。下面我們透過一個簡單的範例來看看如何在 Python 中使用 ggplot2。

• Basic Plot

##  

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

######################### ###   ############  #### #################Geometry################################ #     ######https://rpy2.github.io/doc/latest/html/graphics.html#geometry#######

     

關於 rpy2 的資料

#rpy2官方文件

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

RPy2：結合 R Python 的力量進行資料科學：

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

#使用RPy2 從Python 訪問R：

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

##Python 與R

#

我們可以透過以下幾個工具在Python 中執行R 語言的腳本：

• rJython

該工具包透過Jython 部署了連接Python 的介面，提供了將Python 與R 連通的介面。

• rPython

rPython 也是一個在R 語言中調用Python 的工具包，它可以在R 中運行Python 程式碼，進行函數的調用，以及變數的分配和獲取等。

• SnakeCharmR

SnakeCharmR 是改良版的rPython，它源自於rPython 的'jsonlite'分支，相較於rPython 有諸多提升。

• PythonInR

PythonInR 可以讓使用者非常方便地在 R 語言中使用 Python，提供了可與 Python 互動的函數。

• #reticulate

Reticulate 套件提供了一整套可使Python 與R 互相操作的工具。在所有上面所提到的工具中，這個使用最為廣泛，大部分原因在於它是由 Rstudio 主導開發的。 Reticulate 在 R 模組中內嵌了 Python 模組，使兩種語言可以無縫且高效能地相互操作。使用該工具包，我們可以把 Python 程式碼 “編織” 進 R 語言中，創造了一種將兩種語言結合的新型項目。

      

• #######################################################################################。 #Reticulate 套件提供了以下功能：############################提供多種在R 語言中呼叫Python 的方式，包括R Markdown 、導入Python 腳本、引入Python 模組，以及在R 模組中使用Python。 ########################提供R 物件與Python 物件間的相互轉換（例如，R 與Pandas 資料框的轉換，或R 矩陣與NumPy數組的轉換）。 ########################可與不同版本的 Python 進行靈活的合作，包括虛擬環境和 Conda 環境。 ######

關於reticulate 工具包的資源：

##該文件提供了許多實例來幫助你入門：

https://rstudio.github.io/reticulate/

使用reticulate 套件，在R 語言中使用Python：

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

工具包中的「蛇」：用reticulate 將Python 與R 連結：

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

###################################################### ################R 和Python 都是完整且穩定的語言，都足以完成一項資料分析任務。雖然二者均存在一些各自的優劣勢，如果能利用好它們的優點，我們就能更好地完成任務。總之，同時掌握兩種語言會使我們更加靈活，從而在多種環境下自如地工作。 ######

【推薦課程：Python影片教學】

以上是R和Python誰比較好？的詳細內容。更多資訊請關注PHP中文網其他相關文章！