如果你從事在數據科學領域，提到編程語言，一定能馬上想到 R 語言和 Python語言（以下分別簡稱 R、Python）。現在更多時候大家都把它們兩個放在一起對比，進行“二選一”，而不是把兩個都為自己所用。其實，無論是 R 還是 Python，兩個都是很優秀的工具。

如果你在 Google 中搜索“R vs Python”，可以看到很多關于二者誰更好的討論。

出現這種現象的原因之一是，使用者們基于自己所使用的編程語言，將數據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好于對方的。所以在某種程度上，這種分歧并不全部來自于工具本身，也有來自使用者的原因。

為什么不同時使用兩種語言？

其實，在數據科學的圈子里，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一種語言的人，同時也希望能掌握另一種語言的某些功能。比如，R 的使用者有時候很需要 Python 的面向對象屬性，與此同時，一些 Python 用戶也想使用 R 強大的統計分布功能。

上圖顯示了由 Red Monk 在 2018 年第三季度所進行的調查的結果。此結果基于 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，并不是限制我們不能在同一項目中使用兩者的原因。而我們的最終目標要做更有洞察、有價值的分析，而選擇哪種語言不應該成為這一過程中的阻礙。

縱觀 R 和 Python

下面我們可以先從幾個不同方面對比這兩種語言，分別看看它們的優缺點。

Python

自 1991 年發布以來，Python 就極其受歡迎，尤其在數據處理方面被廣泛應用。它如此受歡迎有以下幾個原因：

面向對象語言

通用性

可擴展性強，強大的社區支持

易于理解和學習

Pandas、Numpy 和 Scikit-learn 等包使 Python 成為機器學習的極佳選擇

然而，與 R 不同的是，Python 沒有用于統計計算的專用包。

R

R 首次發布于 1995 年，隨即成為數據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工具包。當前 CRAN 有超過 10 萬個包。

具備極好的可視化工具包，如 ggplot2。

能夠進行獨立分析。

從性能上來說，R 并不是速度最快的語言，而且在處理大型數據集時，可能對內存消耗較大。

“雙劍合璧”

是否可以同時運用 R 超凡的統計能力和 Python 的編程能力呢？我們可以輕松地將 SQL 代碼與 R 或 Python 相結合寫成一個腳本，為什么不把 R 和 Python 也結合一起使用呢？

將 Python 與 R 同時應用在同一個項目中，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，即通過管道 (pipe)。PypeR 也存在于 Python 的工具包之中，提供了更便捷的安裝方式。當 Python 和 R 之間不需要頻繁進行數據傳輸時，PypeR 非常適用。當我們通過管道運行 R 時，Python 程序在子流程控制、內存控制和跨操作系統（包括 Windows、GNU Linux 和 Mac OS）移植的靈活度都比較高。

pyRserve

pyRserve 使用Rserve作為 RPC 的連接網關，通過這種連接方式，用戶可以在 Python 中設置 R 的變量，同時 R 的函數也可以被遠程調用。

rpy2

ryp2 可以在 Python 進程中運行內嵌的 R 語言。它創建了一種框架，可以將 Python 對象轉化為 R 對象，再把它們傳入 R 函數，最后將 R 輸出的結果傳回給 Python 對象。

在 Python 中調用 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。下面我們通過一個簡單的例子來看看如何在 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

關于 rpy2 的資料

rpy2官方文檔

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

RPy2: Combining the Power of R + Python for Data Science：

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

Accessing R from Python using RPy2：

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

Python with R

我們可以通過如下幾個工具在 Python 中運行 R 語言的腳本：

rJython

該工具包通過 Jython 部署了連接 Python 的界面，提供了將 Python 與 R 連通的接口。

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 代碼，進行函數的調用，以及變量的分配和獲取等。

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 可以讓用戶非常方便地在 R 語言中使用 Python，提供了可與 Python 進行交互的函數。

reticulate

Reticulate 包提供了一整套可使 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，大部分原因在于它是由 Rstudio 主導開發的。Reticulate 在 R 模塊中內嵌了 Python 模塊，使兩種語言可以無縫且高性能地相互操作。使用該工具包，我們可以把 Python 代碼 “編織” 進 R 語言中，創造了一種將兩種語言相結合的新型項目。

Reticulate 包提供了以下功能：

提供多種在 R 語言中調用 Python 的方式，包括 R Markdown、導入 Python 腳本、引入 Python 模塊，以及在 R 模塊中使用 Python。

提供 R 對象和 Python 對象間的相互轉換（例如，R 與 Pandas 數據框的轉換，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。

關于 reticulate 工具包的資源：

該文檔提供了許多實例來助你入門：

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

使用 reticulate 包，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 聯結：

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

結論

R 和 Python 都是完整且穩定的語言，都足以完成一項數據分析任務。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。

原文鏈接：

https://towardsdatascience.com/from-r-vs-python-to-r-and-python-aa25db33ce17?gi=da69b4bfd654

（本文為AI科技大本營轉載文章，轉載請微信聯系 1092722531）

◆

精彩推薦

◆

4月13-14日，CSDN將在北京主辦“Python開發者日（2019）”，匯聚十余位來自阿里巴巴、IBM、英偉達等國內外一線科技公司的Python技術專家，還有數百位來自各行業領域的Python開發者，共同探討Python在不同場景下的的應用優勢和實戰經驗。即刻掃碼搶購早鳥票，限量發售！

推薦薦閱讀：

Google又逆天：語音輸入離線實時輸出文字，僅占80MB！然而……

西工大開源擁擠人群數據集生成工具，大幅提升算法精度 | CVPR 2019

R和Python誰更好？這此讓你「魚與熊掌」兼得

10行Python，搭建一個游戲AI | 視頻教程

Node.js 與 JavaScript 基金會正式合并，JS 喜提新主場

云計算時代運維的出路在哪?

30歲的萬維網活不長了! 蒂姆·伯納斯·李要借去中心化親手殺死它, 你再也不用擔心...

互聯網***親歷者：那些陣痛、掙扎與去向

沒有一個人，能躲過程序員的誘惑！

?點擊“閱讀原文”，查看歷史精彩文章。