R と Python ではどちらが優れていますか?

データ サイエンスの分野に従事しており、プログラミング言語と言えば、R 言語と Python 言語がすぐに思い浮かびます。「R vs Python」で検索すると、 Google ではどちらが優れているかという議論がよく見られますが、実際には #R と Python はどちらも優れたツールです。

この現象の理由の 1 つは、ユーザーがプログラミング言語に基づいていることです。データ サイエンスの分野を、R キャンプや Python キャンプなどのいくつかのキャンプに分割します。どちらの陣営の人々も、自分たちが選んだ言語が相手の言語よりもはるかに優れていると強く信じています。したがって、ある程度、この意見の相違はすべてツール自体に起因するわけではなく、ユーザーにも起因します。

両方の言語を同時に使用してみませんか?

実はデータサイエンス界隈ではPythonとRを同時に使っている人もいるのですが、その割合はとても小さいです。さらに、特定の言語を使用することに固執する多くの人は、別の言語の特定の機能を習得したいとも考えています。たとえば、R ユーザーは Python のオブジェクト指向プロパティを必要とする場合がありますが、同時に、R の強力な統計分布関数も使用したいと考えている人もいます。

上のグラフは、2018 年の第 3 四半期に Red Monk が実施した調査の結果を示しています。この結果は、Stack Overflow と Github での言語の人気に基づいており、R と Python の両方が高いスコアを示していることは明らかです。言語自体が、同じプロジェクトで両方を使用できない理由ではありません。私たちの最終的な目標は、より洞察力に富んだ価値のある分析を行うことであり、言語の選択がこのプロセスの障害となるべきではありません。

R と Python について見る

以下では、まずこれら 2 つの言語をいくつかの異なる側面から比較し、それぞれの長所と短所を見ていきます。

• #Python
  

## 以来Python は 1991 年にリリースされて以来、特にデータ処理の分野で非常に人気がありました。これが非常に人気がある理由はいくつかあります。

オブジェクト指向言語

##普遍性

• #強力なスケーラビリティ、強力なコミュニティ サポート

• #わかりやすい

• ##Pandas、Numpy、Scikit-learn などのパッケージにより、Python は機械学習に最適な選択肢になります

ただし、R とは異なり、Python には統計計算用の専用パッケージがありません。

#R

• 
  

## R は1995 年に初めてリリースされ、すぐにデータ サイエンスで最も広く使用されるツールの 1 つになりました。

考えられるほぼすべての統計アプリケーション ツールキットが含まれています。現在、CRAN には 100,000 を超えるパッケージがあります。

には、ggplot2 などの優れた視覚化ツール パッケージがあります。

• # 独立した分析を実行できる。

• パフォーマンスの点では、R は最速の言語ではなく、大規模なデータ セットを処理するときに大量のメモリを消費する可能性があります。

  
  

  #「二本の剣が合体」

  
  

  #R の並外れた統計能力と Python のプログラミング能力を同時に使用することは可能でしょうか? SQL コードと R または Python を簡単に組み合わせてスクリプトを作成できます。R と Python を併用してみてはいかがでしょうか。

  
  

  同じプロジェクト内で Python と R を同時に適用するには 2 つの基本的な方法があります。次に、これら 2 つの方法を共有します。 . ：Python 内の

  
  

  ##R

  
  

  #PypeR

  #PypeR によって提供R を Python に接続する簡単な方法は、パイプを使用することです。 PypeR は Python ツールキットにも存在し、より便利なインストール方法を提供します。 PypeR は、Python と R の間で頻繁にデータ転送を行う必要がない場合に最適です。パイプライン経由で R を実行すると、Python プログラムは、サブプロセス制御、メモリ制御、および Windows、GNU Linux、Mac OS などのオペレーティング システム間での移植性の点でより柔軟になります。

  
  

  
  

  

  • ##pyRserve

  
  

  ##pyRserve を使用する

  Rserve RPC 接続ゲートウェイとして、この接続方法を通じて、ユーザーは Python で R 変数を設定でき、R 関数をリモートから呼び出すこともできます。

  
  

  • rpy2

  
  ryp2 は、Python プロセスで埋め込み R 言語を実行できます。 Python オブジェクトを R オブジェクトに変換し、R 関数に渡し、最後に R の出力を Python オブジェクトに戻すフレームワークを作成します。

  
  

  ##

  Python で R 言語を呼び出す利点の 1 つは、ggplot2、tidyr、dplyr などの R 言語の強力なツール パッケージを Python で簡単に使用できることです。 Python で ggplot2 を使用する方法を簡単な例で見てみましょう。

  
  

  • 基本的なプロット

  
  

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

  
  

  

  • #ジオメトリ

  
  

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

  
  

  

  #rpy2 の材料

  #rpy2官方文档

  #https://rpy2.github.io/doc/latest/html/index。 html
  RPy2: R Python のパワーをデータ サイエンスに組み合わせる：
  https ://community.alteryx.com/t5/Data-Science-Blog/RPy2-Combining-the-Power-of-R-Python-for-Data-Science/ba-p/138432

  #RPy2 を使用した Python から R へのアクセス：

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

  #R
  ## を使用した Python

  #

  次のツールを使用して、Python で R 言語スクリプトを実行できます:

  
  

  • rJython

  
  

  このツールキットは、Jython を介して Python に接続するためのインターフェイスをデプロイし、接続された R に Python を接続する方法を提供します。インターフェース。

  
  

  • rPython

  
  

  rPython は、R 言語で Python を呼び出すためのツールキットでもあり、R で Python コードを実行したり、関数を呼び出したり、変数を割り当てたり取得したりすることができます。

  
  

  • SnakeCharmR

  ##SnakeCharmR
  

  は rPython の改良版であり、rPython の 'jsonlite' から派生しています。ブランチには、rPython と比較して多くの改良点があります。

  
  

  #PythonInR

  
  

  PythonInR を使用すると、ユーザーは R 言語で Python を非常に便利に使用できるようになり、Python と対話できる関数が提供されます。

  
  

  • 網目状

  
  

  #Reticulate パッケージは、Python と R の相互運用を可能にするツールの完全なセットを提供します。上記のすべてのツールの中で、これが最も広く使用されています。これは、主に Rstudio のリーダーシップの下で開発されたためです。 Reticulate は R モジュール内に Python モジュールを埋め込み、2 つの言語がシームレスかつ高いパフォーマンスで相互運用できるようにします。このツールキットを使用すると、Python コードを R に「織り込み」、2 つの言語を組み合わせた新しいタイプのプロジェクトを作成できます。

  
  

  

  
  Reticulate パッケージは次の機能を提供します:

  
  

  R Markdown や import Python など、R 言語で Python を呼び出す複数の方法を提供します。スクリプト、Python モジュールのインポート、R モジュールでの Python の使用。

  R オブジェクトと Python オブジェクトの間の変換を提供します (たとえば、R と Pandas データ フレーム、または R 行列と NumPy 配列の間の変換)変換）。

  #仮想環境や Conda 環境を含む、さまざまなバージョンの Python との柔軟な連携。

  
  

  reticulate ツールキットに関するリソース:

  ドキュメントには、開始するための多くの例が記載されています:

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

  #R で Python を使用して reticulate パッケージを使用します:

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

  ツール パッケージ内の「snake」: reticulate を使用して Python を接続しますR を使用:

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

  
  ##結論

  ##R と Python はどちらも完全で安定した言語であり、どちらもデータ分析タスクを完了するには十分です。どちらにも長所と短所がありますが、長所をうまく活用できれば、タスクをより適切に完了することができます。つまり、同時に 2 つの言語を理解すると、より柔軟になり、さまざまな環境で快適に働くことができるようになります。

  
  

  [推奨コース: Python ビデオ チュートリアル ]

以上がR と Python ではどちらが優れていますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。