R還是Python？
真是個千古難題！
如果你主要從事資料分析、統計模組化和可視化，R大概是你的不二之選。但如果你還想來搞點深度學習，整個自然語言處理，那你可還真得用Python。
如果你處于交叉領域，很可能就需要兩種語言切換。後果是，寫個for loop還出bug真的是家常便飯。報警！
面對這種困境的絕不止你一個人！最近的KDnuggets Analytics的軟體調查中，Python和R位居資料科學和機器學習軟體的前兩名。
如果你真的想提高你在資料科學領域的能力，這兩種語言你确實都應該學習。
不過現在好消息來了！
RStudio開發了一個名為reticulate的包。通過安裝包，你現在可以在R上運作Python的安裝包和函數了~
今天文摘菌就來教教你咋用這個reticulate包。
安裝并加載reticulate包 運作下面的指令來安裝這個包、并導入到您的系統中。# 安裝reticulate包 install.packages("reticulate") # 加載reticulate包 library(reticulate) py_available() 傳回值為TRUE或FALSE。如果傳回的是TRUE，那恭喜你，您的系統已經有Python啦。FALSE的話就得先去裝一下Python了。
在R中導入一個python子產品
您可以使用函數import（）來導入特定的包或子產品。
os <- import(“os”) os$getcwd() 上面的指令傳回工作目錄。
[1]"C:\\Users\\DELL\\Documents"
您可以使用os包中的listdir（）函數來檢視工作目錄中的所有檔案。
os$listdir() 
第一步：建立新的工作環境；
conda_create(“r-reticulate”) 第二步：在conda環境下安裝“r-reticulate”和“numpy”；
conda_install(“r-reticulate”,“numpy”) 如果“numpy”已經安裝，您不必再次安裝這個包。上面的代碼隻是給個例子而已。
第三步：加載包。
numpy <- import(“numpy”) 首先建立一個簡單的numpy數組
y <- array(1:4, c(2, 2)) x <- numpy$array(y) [,1] [,2] [1,] 1 3 [2,] 2 4 将數組進行轉置
numpy$transpose(x) [,1] [,2] [1,] 1 2 [2,] 3 4 求特征根和特征向量
numpy$linalg$eig(x) 一些數學函數
numpy$sqrt(x) numpy$exp(x) 您可以在R中建立互動式Python控制台。您在Python中建立的對象可在R中使用（反之亦然）。通過使用repl_python（）函數，可以使Python和R互動。首先，下載下傳以下程式中使用的資料集：
repl_python() # 加載“panda”資料集 import pandas as pd # 載入資料集 travel = pd.read_excel(“AIR.xlsx”) # 顯示資料集的行列數 travel.shape # 随機選取資料集中的行數 travel.sample(n = 10) # 按某一标志分組 travel.groupby(“Year”).AIR.mean() # 篩選資料個案 t = travel.loc[(travel.Month >= 6) & (travel.Year >= 1955),:] # 回到R exit 注意：您需要鍵入“exit”來傳回到R會話
怎樣從R中擷取在python中建立的對象你可以在利用py object擷取python裡的對象。
summary(py$t) 在這種情況下，我會用R的summary（）函數并通路在python中建立的資料集T。此外，您可以使用ggplot2軟體包繪制折線圖。
#利用ggplot2繪制線圖 library(ggplot2) ggplot(py$t, aes(AIR, Year)) + geom_line() 您可以使用r object來解決這個問題。
先在R中建立一個對象：
mydata = head(cars, n=15) 在Python REPL中調用之前在R中所建立的對象：
repl_python() import pandas as pd r.mydata.describe() pd.isnull(r.mydata.speed) exit sklearn軟體包是python中最受歡迎的機器學習軟體包之一，它支援各種統計和機器學習的算法。
repl_python() # 加載包 from sklearn import datasets from sklearn.linear_model import LogisticRegression # 加載資料庫 iris = datasets.load_iris() # 建立logit模型 model = LogisticRegression() model.fit(iris.data, iris.target) # 進行預測 actual = iris.target predicted = model.predict(iris.data) #模型性能對比矩陣 print(metrics.classification_report(actual, predicted)) print(metrics.confusion_matrix(actual, predicted)) 檢視python的配
運作py_config（）指令來檢視系統中安裝的R的版本。它還能顯示anaconda和numpy的詳細資訊。
py_config() 
檢查某個包是否安裝
可以用以下指令來檢查“pandas”是否安裝：
py_module_available(“pandas”) 原文釋出時間為：2018-04-19
本文作者：文摘菌
本文來自雲栖社群合作夥伴“
大資料文摘”，了解相關資訊可以關注“
”。