R语言和 Python —— 一个错误的分裂

  • 时间:
  • 浏览:0

http://rpy.sourceforge.net/rpy2/doc2.1/html/introduction.html

原文发布时间为:2018-11-13

最近有这种文章提出与年龄相关的难题报告 :“崭露头角的年轻数据科学家们是学习R语言还是Python更好?”

执行这种迁移的能力,而不被抛弃R语言的概念模型是很有价值的,但从什么都我强度来说,这也是一有有一一5个限制,能助 使用一有有一一5个真正的通用编程语言,如:Python,来包装概念模型,并使得这种用户友好的应用系统守护进程有多种错综复杂的附加功能(打印,网络,USB支持,等等)是至关重要的。推荐阅读《Python强度学习》。

R语言提供了富于的算法来正确处理长期以来科学实践中老出的各种数据有关难题报告 ,我觉得什么算法仍然时需被委托人去尝试和判断选者,以选者最恰当的数据正确处理算法。

它被称为RPy2:

1.标记数据;

“数据科学”的目标是从数据中得出有效的统计推论。标签“数据”是指数据用于做什么之什么都有重要,但这是错误的:它是难以且不如可让做到科学的在都如此得到数据的完正信息,得去了解系统的弱点并生产出来,智能、灵敏的应对非理想好数据。

正确处理或丢弃遗漏值、离群值(译者注:极值,如最大值、最小值)在数据中是非常基本但重要的任务. 这种状况下,什么都我是有利的数据,却如可让测量误差等原应变成了不利、反对的数据。(译者注:比如越趋近于1才表示越如可让是。)你如可正确处理什么事情还能助 对你的分析结果产生很大的影响。

对于正确处理例如事情R,Python和RPY的就有有用的工具。

R语言对有经验的统计分析师来说是非常轻量级. 它由科学家创造,对绝大多数的数据管理任务来说都非常轻松。不得劲适合以下几种数据管理任务:

本文来自云栖社区公司合作 协议伙伴“数据与算法之美”,了解相关信息还能助 关注“数据与算法之美”。

2.填充遗漏值(译者注:比如10行数据每行固定9列,如可让第三行却还能助 了5列数据,还能助 通过R的函数自动补全另外的5列值)

举例来说,我如可让使用了这种土办法来创建读取传感器数据的Python应用,通过RPy2正确处理,以各种土办法显示给客户,别问我如可 用R语言读取传感器数据,应该是有这种土办法的。而Python如可让做好了我时需的模块,即使都如此也非常容易扩展。

如可我应该 还别问我R语言,我推荐你学习Python如可让使用RPy2来访问R语言的函数。你学习这种语言获得了这种能力。一旦你学习过RPy,再转到纯R语言也就有什么难题报告 报告 ,如可让,你我应该 反过来就没都如此容易了。

3.过滤。

在谈论RPy2并且,先来说一下“数据科学”,我我应该 说的是“数据科学”是一有有一一5个奇怪的词。如可让几乎所有的科学就有“数据科学”。“无数据科学”则是完正不同的领域:哲学。“数据科学”是一门通过系统观察,对照实验,贝叶斯推理的开放试验理念的学些科。

答案似乎就有“视状况而定”,在现实中都如此必要在R和Python中做出选者,如可我应该 有有一一5个都用得到。推荐阅读《Python3.0科学计算指南》。

Pandas,Python的数据分析库,目前它如可让有什么都有相同功能,如可让RPy2创造了第根小很好的从R语言到Python的迁移路线,它我应该 在学习Python的并且,把R语言作为一有有一一5个附属偏离 来学习,对于什么都有有富于实验开发经验的分析师会使用R语言,当大伙想把算法融入一有有一一5个Python应用系统守护进程,并派发给用户时,大伙也还能助 使用RPy2。

R语言对标记数据的支持非常友好. R语言的“data frame”概念,使得通过对数据列和数据行头来分割组合数据、标记数据,如可让以纯数值的矩阵数据交给算法正确处理. 而传统的数据科学开发语言,如Python对数据的正确处理都时需开发者被委托人完成,时需消耗开发者几滴 时间且容易出错。

任何有趣的数据集要花费有以下这种特征:缺失值,异常值和噪声。缺失值:顾名思义什么都我缺失的值。异常值:离群怪异的事件,如可让这种原应或这种的事件其值远远的超出合理界限。噪声的是,从所测量的值的随机(或非随机的)影响的着结果的分布。一有有一一5个良好的测量分布,异常值和噪声在噪声不同下一般有较容易理解的因素,而异常值通常是很少存在的,大伙还能助 了通过分布很好的理解。