Я новичок в R и довольно часто использую python. Мне не очень удобно писать R-код. Я ищу интерфейс python для R, который позволяет мне использовать R-пакеты в pythonic way.
Я сделал исследование Google и нашел несколько пакетов, которые могут это сделать:
Но не уверен, какой из них лучше? У кого больше участников и более активно используется?
Обратите внимание, что моим основным требованием является pythonic путь для доступа к пакетам R.
Как отметил @lgautier, уже существует другой ответ на эту тему. Я оставляю свой ответ здесь, поскольку он добавляет опыт приближения к R в качестве новичка, сначала зная Python.
Я использую как Python, так и R и сочувствую вам в качестве новичков R.
Поскольку любой ответ, который вы получите, будет субъективным, я суммирую несколько моментов из своего опыта:
Мой совет:
Как только вы узнаете обоим, вы будете делать магию с rpy2 без ужасов отладки на разных языках.
Обновление от 29 января 2015 г.
Этот ответ оказался популярным, поэтому я подумал, что было бы полезно указать еще два последних ресурса:
Триплет R, Rserve, а pyRserve позволяет создавать сетевой мост от Python до R: теперь R-функции можно вызывать из Python, как если бы они были реализованы на Python, и даже полные R-скрипты могут быть выполнены через это соединение.
rmagic in IPython/Jupyter, что значительно облегчает работу по созданию воспроизводимых исследований и ноутбуков, которые объединить оба языка.Вопрос о сравнении rpy2, pyrserve и pyper друг с другом получил ответ на сайте раньше.
Что касается количества участников, я бы сказал, что все 3 имеют относительно небольшое число. Такой сайт, как Ohloh, может дать более подробный ответ.
Насколько активно используется пакет, сложно определить. Одним из показаний может быть количество загрузок, другое - количество сообщений в списках рассылки или количество вопросов на сайте, например, stackoverflow, количество других пакетов, использующих его или цитирующих его, количество CV или вакансий, в которых упоминается пакет. Насколько я считаю, что я мог бы дать справедливую оценку, я мог бы также рассматриваться как конфликт интересов.; -)
У всех троих есть свои плюсы и минусы. Я бы сказал, что вы основываете свой выбор на этом.
Мой личный опыт был с Rpy, а не Rpy2. Я использовал его некоторое время, но бросил его в пользу использования команд system. Типичный случай для меня заключался в использовании модели FORTRAN с использованием скриптов Python и пост-обработки с помощью R. В моем опыте самым простым решением было создание инструмента командной строки с использованием R, что довольно просто (по крайней мере, под Linux). Инструмент командной строки может быть запущен в корневой части модели, а script создаст набор объектов и графиков R в каталоге Routput. Преимущество отключения R и Python таким образом состояло в том, что я мог легко отлаживать R-код отдельно от кода Python.
Я думаю, что Rpy действительно сияет, когда требуется много обратной и четвертой связи между R и Python. Но если функциональность прекрасно отделяется, а накладные расходы на дисковый ввод-вывод не так уж плох, я бы придерживался вызовов system. Подробнее о системных вызовах см. ?system и Rscript для запуска сценариев R в качестве инструмента командной строки.
Что касается вашего желания писать R-код в Python, это невозможно, так как все решения требуют, чтобы вы записывали R-код в синтаксисе R. Для Rpy это означает синтаксис R, но немного отличается (например, .). Я согласен с @gauden, что нет ярлыка в использовании R через Rpy.