Insidie ​​in programmatori R per Python

Question

Ho programmato principalmente in Python, ma ora sto imparando il linguaggio di programmazione statistica R. Ho notato alcune differenze tra i linguaggi che tendono a inciampare.

Supponiamo che v sia un vettore/array con i numeri interi compresi tra 1 e 5 inclusi.

v[3] # in R: gives me the 3rd element of the vector: 3 
     # in Python: is zero-based, gives me the integer 4 
v[-1] # in R: removes the element with that index 
     # in Python: gives me the last element in the array 

Ci sono altre insidie ​​a cui devo fare attenzione?

Answer 1

Dopo aver scritto decine di migliaia di righe di codice in entrambe le lingue, R è solo molto più idiosincratico e meno coerente di Python. È davvero utile per fare grafici veloci e indagini su un set di dati di piccole e medie dimensioni, principalmente perché il suo oggetto dataframe incorporato è più bello dell'equivalente numpy/scipy, ma troverai tutti i tipi di stranezze mentre fai cose più complicate di un rivestimento. Il mio consiglio è di usare rpy2 (che sfortunatamente ha un'interfaccia utente molto peggiore del suo predecessore, rpy) e fare il meno possibile in R con il resto in Python.

Ad esempio, si consideri il seguente codice a matrice:

> u = matrix(1:9,nrow=3,ncol=3) 
> v = u[,1:2] 
> v[1,1] 
[2] 1 
> w = u[,1] 
> w[1,1] 
Error in w[1, 1] : incorrect number of dimensions 

Come ha fatto che fallire? La ragione è che se si seleziona una sottomatrice da una matrice che ha solo una colonna lungo un dato asse, R "utilizza" in modo appropriato la colonna e cambia il tipo della variabile. Quindi w è un vettore di interi piuttosto che una matrice:

> class(v) 
[1] "matrix" 
> class(u) 
[1] "matrix" 
> class(w) 
[1] "integer" 

Per evitare questo, è necessario passare in realtà un parametro parola chiave oscura:

> w2 = u[,1,drop=FALSE] 
> w2[1,1] 
[3] 1 
> class(w2) 
[1] "matrix" 

C'è un sacco di angoli e fessure del genere. Il tuo migliore amico all'inizio sarà introspezione e strumenti di aiuto online come str, class, example e, naturalmente, help. Inoltre, assicurati di guardare il codice di esempio su R Graph Gallery e nel libro Modern Applied Statistics with S-Plus di Ripley.

---

EDIT: Ecco un altro grande esempio con fattori.

> xx = factor(c(3,2,3,4)) 
> xx 
[1] 3 2 3 4 
Levels: 2 3 4 
> yy = as.numeric(xx) 
> yy 
[1] 2 1 2 3 

Holy cow! La conversione di un elemento da un fattore indietro a un valore numerico non ha effettivamente effettuato la conversione che avresti pensato. Invece lo fa sul tipo enumerato interno del fattore. Questa è una fonte di bug difficili da trovare per le persone che non ne sono a conoscenza, perché sta ancora restituendo numeri interi e infatti funzionerà effettivamente del tempo (quando l'input è già ordinato numericamente).

Questo è ciò che è effettivamente necessario fare

> as.numeric(levels(xx))[xx] 
[1] 3 2 3 4 

Sì, certo, che infatti si trova nella pagina factor aiuto, ma si terra solo fino lì quando hai perso un paio d'ore a questo bug. Questo è un altro esempio di come R non fa ciò che tu intendi. Sii molto, molto attento a tutto ciò che riguarda le conversioni di tipo o l'accesso a elementi di array e liste.

Answer 2

Ci può essere ... ma prima di imbarcarti hai provato alcune delle estensioni Python disponibili? Scipy ha una lista.

Answer 3

questo non è specificatamente legati Python vs R sfondo, ma il R inferno è una grande risorsa per i programmatori che vengono a R.

Answer 4

La risposta accettata a questo post è forse un po 'obsoleta. La libreria Python Pandas ora offre un incredibile supporto DataFrame simile a R.