R語(yǔ)言和Python—一個(gè)錯(cuò)誤的分裂

最近有一些文章提出與年齡相關(guān)的問(wèn)題：“嶄露頭角的年輕數(shù)據(jù)科學(xué)家們是學(xué)習(xí)R語(yǔ)言還是Python更好?”

答案似乎都是“視情況而定”，在現(xiàn)實(shí)中沒(méi)有必要在R和Python中做出選擇，因?yàn)槟銉蓚€(gè)都用得到。

什么是”數(shù)據(jù)科學(xué)”?

在談?wù)揜Py2之前，先來(lái)說(shuō)一下“數(shù)據(jù)科學(xué)”，我要說(shuō)的是“數(shù)據(jù)科學(xué)”是一個(gè)奇怪的詞。因?yàn)閹缀跛械目茖W(xué)都是“數(shù)據(jù)科學(xué)”?！盁o(wú)數(shù)據(jù)科學(xué)”則是完全不同的領(lǐng)域：哲學(xué)?！皵?shù)據(jù)科學(xué)”是一門(mén)通過(guò)系統(tǒng)觀察，對(duì)照實(shí)驗(yàn)，貝葉斯推理的開(kāi)放試驗(yàn)理念的科學(xué)學(xué)科。

“數(shù)據(jù)科學(xué)”的目標(biāo)是從數(shù)據(jù)中得出有效的統(tǒng)計(jì)推論。標(biāo)簽“數(shù)據(jù)”是指數(shù)據(jù)用于做什么并不重要，但這是錯(cuò)誤的：它是難以且不可能做到科學(xué)的在沒(méi)有得到數(shù)據(jù)的詳細(xì)信息，得去了解系統(tǒng)的弱點(diǎn)并生產(chǎn)出來(lái)，智能、靈敏的應(yīng)對(duì)非理想好數(shù)據(jù)。

任何有趣的數(shù)據(jù)集至少有以下一些特性：缺失值，異常值和噪聲。缺失值：顧名思義就是缺失的值。異常值：離群怪異的事件，由于某種原因或其他的事件其值遠(yuǎn)遠(yuǎn)的超出合理界限。噪聲的是，從所測(cè)量的值的隨機(jī)（或非隨機(jī)的）影響的著結(jié)果的分布。一個(gè)良好的測(cè)量分布，異常值和噪聲在噪聲不同下一般有較容易理解的因素，而異常值通常是很少發(fā)生的，我們不能通過(guò)分布很好的理解。

對(duì)于處理這類(lèi)事情R，Python和RPY的都是有用的工具。

為什么R非常適合數(shù)據(jù)科學(xué)

R語(yǔ)言對(duì)有經(jīng)驗(yàn)的統(tǒng)計(jì)分析師來(lái)說(shuō)是非常輕量級(jí). 它由科學(xué)家創(chuàng)造，對(duì)絕大多數(shù)的數(shù)據(jù)管理任務(wù)來(lái)說(shuō)都非常輕松。特別適合以下幾種數(shù)據(jù)管理任務(wù):

標(biāo)記數(shù)據(jù)

填充遺漏值（譯者注:比如10行數(shù)據(jù)每行固定9列，但是第三行卻只有5列數(shù)據(jù)，可以通過(guò)R的函數(shù)自動(dòng)補(bǔ)全另外的5列值）

過(guò)濾

R語(yǔ)言對(duì)標(biāo)記數(shù)據(jù)的支持非常友好.  R語(yǔ)言的“data frame”概念,使得通過(guò)對(duì)數(shù)據(jù)列和數(shù)據(jù)行頭來(lái)分割組合數(shù)據(jù)、標(biāo)記數(shù)據(jù)，然后以純數(shù)值的矩陣數(shù)據(jù)交給算法處理. 而傳統(tǒng)的數(shù)據(jù)科學(xué)開(kāi)發(fā)語(yǔ)言，如Python對(duì)數(shù)據(jù)的處理都需要開(kāi)發(fā)者自己完成,需要消耗開(kāi)發(fā)者大量時(shí)間且容易出錯(cuò).

處理或丟棄遺漏值、離群值(譯者注：極值，如最大值、最小值)在數(shù)據(jù)中是非?；镜匾娜蝿?wù). 某些情況下,本來(lái)是有利的數(shù)據(jù)，卻因?yàn)闇y(cè)量誤差等原因變成了不利、反對(duì)的數(shù)據(jù)。(譯者注：比如越趨近于1才表示越可能是.）你如何處理這些事情可以對(duì)你的分析結(jié)果產(chǎn)生很大的影響。

R語(yǔ)言提供了豐富的算法來(lái)處理長(zhǎng)期以來(lái)科學(xué)實(shí)踐中出現(xiàn)的各種數(shù)據(jù)有關(guān)問(wèn)題,雖然這些算法仍然需要自己去嘗試和判斷選擇，以選擇最恰當(dāng)?shù)臄?shù)據(jù)處理算法.

RPy2: 架起R語(yǔ)言與Python之間的橋梁

Pandas，Python的數(shù)據(jù)分析庫(kù)，目前它已經(jīng)有很多相同功能，但是RPy2創(chuàng)造了一條很好的從R語(yǔ)言到Python的遷移路線(xiàn)，它讓你在學(xué)習(xí)Python的時(shí)候，把R語(yǔ)言作為一個(gè)附屬部分來(lái)學(xué)習(xí)，對(duì)于很多有豐富實(shí)驗(yàn)開(kāi)發(fā)經(jīng)驗(yàn)的分析師會(huì)使用R語(yǔ)言，當(dāng)他們想把算法融入一個(gè)Python應(yīng)用程序，并分發(fā)給用戶(hù)時(shí)，他們也可以使用RPy2。

執(zhí)行這種遷移的能力，而不離開(kāi)R語(yǔ)言的概念模型是很有價(jià)值的，但從另一個(gè)角度來(lái)說(shuō)，這也是一個(gè)限制，能夠使用一個(gè)真正的通用編程語(yǔ)言，如：Python，來(lái)包裝概念模型，并使得這個(gè)用戶(hù)友好的應(yīng)用程序有多種復(fù)雜的附加功能（打印，網(wǎng)絡(luò)，USB支持，等等）是至關(guān)重要的。

舉例來(lái)說(shuō)，我已經(jīng)使用了這種方法來(lái)創(chuàng)建讀取傳感器數(shù)據(jù)的Python應(yīng)用，通過(guò)RPy2處理，以各種方式顯示給客戶(hù)，我不知道怎么用R語(yǔ)言讀取傳感器數(shù)據(jù)，應(yīng)該是有某種方法的。而Python已經(jīng)做好了我需要的模塊，即使沒(méi)有也非常容易擴(kuò)展。

如果你還不知道R語(yǔ)言，我推薦你學(xué)習(xí)Python并且使用RPy2來(lái)訪(fǎng)問(wèn)R語(yǔ)言的函數(shù)。你學(xué)習(xí)一種語(yǔ)言獲得了兩種能力。一旦你學(xué)習(xí)過(guò)RPy，再轉(zhuǎn)到純R語(yǔ)言也不是什么大問(wèn)題，但是，你想要反過(guò)來(lái)就沒(méi)那么容易了。