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.
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://rpy2.github.io/doc/latest/html /graphics.html#geometryㅋㅋ 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. 🎜🎜# # 🎜 🎜 ##🎜 🎜#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 #🎜 🎜## 🎜🎜# #🎜 🎜#은 rPython의 'jsonlite PythonInR#🎜 🎜 ## 🎜🎜# PythonInR을 사용하면 Python을 R 언어로 매우 편리하게 사용할 수 있으며 Python 기능과 상호 작용할 수 있는 도구를 제공합니다. #ㅋㅋㅋ # 🎜🎜#
R Markdown, Python 스크립트 가져오기, Python 모듈 소개, R 모듈에서 Python 사용 등 R 언어에서 Python을 호출하는 여러 가지 방법을 제공합니다. 가상 환경, Conda 환경 등 다양한 버전의 Python과 유연한 협업이 가능합니다. 
https://r .github.io/doc/latest/html/graphics.html# 플롯 
SnakeCharmR
R 개체와 Python 개체 간의 변환을 제공합니다(예: R 및 Pandas 데이터 프레임 변환) 또는 R 행렬을 NumPy 배열로 변환).
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
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!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
