python 呼叫 R，使用rpy2

python 與 r 是當今資料分析的兩大主流語言。作為乙個統計系的學生，我最早接觸的是r，後來才接觸的python。python是通用程式語言，科學計算、資料分析是其重要的組成部分，但並非全部；而r則更偏重於統計分析，畢竟r是統計學家發明的，本身就是為統計而生。python的優勢在於其全能性，幾乎所有的領域都有python的身影，而r則在統計及其相關領域非常專業。二者各有優勢。那麼這麼好的兩個東西，能不能結合到一起呢？答案是肯定的。要想實現這種功能，一般必須要提供相應的呼叫介面。rpy2這個第三方庫就提供了python呼叫r的介面。本文主要介紹rpy2的簡單使用。

常用的命令：

1. import rpy2.robjects as robjects 這個命令是匯入 r物件

2. robjects.r("r_script") 可以執行r**，比如 pi = robjects.r('pi') 就可以得到 r 中的pi（圓周率），返回的變數pi是乙個向量，或者理解為python中的列表，通過

pi[0] 就可以取出圓周率的值。

robjects.r.source('
plot_demo.r
')

plot_demo.r 內容如下：

#
r 語言測試指令碼
儲存影象
plt <- plot(x,y) #
畫散點圖
dev.off() #
關閉裝置

執行上面的**後，就可以得到一幅名為 plot.jpg的散點圖了。

a = robjects.r('
a<-c(1,2,3)')
print(a)

執行得到 [1] 1 2 3

x = robjects.r('x')
y = robjects.r('y')
print(x)
print(y)

執行得到：　

[1] 1 2 3 4

[1] 1 4 9 16

當然rpy2不僅可以將r的資料物件轉換為python的變數（或物件），還以將python的列表，字典等資料型別轉換為r的向量或資料框型別，對應的函式有 robjects.intvector(),

robjects.floatvector()等，看這些名字基本就知道幹嘛的了。舉例如下：

print(robjects.intvector([1,2,3]))
print(robjects.factorvector(['
a','
a','
b','c'
]))print(robjects.floatvector([1.2,2.3]))
print(robjects.baseenv) #
基本環境空間
print(robjects.dataframe())

得到結果如下：

[1] 1 2 3

[1] a a b c

levels: a b c

[1] 1.2 2.3

a.1l a.2l b.3l b.4l

1 1 2 3 4

最後，再來看乙個複雜一點的r**在python中的執**況。

r_script = '''
library(randomforest) # 匯入隨機森林包
## use data set iris
data = iris # 使用鳶尾花資料集
table(data$species)
## create a randomforest model to classfy the iris species
# 建立隨機森林模型給鳶尾花分類
iris.rf <- randomforest(species~., data = data, importance=t, proximity=t)
print('--------here is the random model-------')
print(iris.rf)
print('--------here is the names of model-----')
print(names(iris.rf))
confusion = iris.rf$confusion
print(confusion)
'''robjects.r(r_script)

得到結果如下：

randomforest 4.6-12

type rfnews() to see new features/changes/bug fixes.

[1] "--------here is the random model-------"

call:

randomforest(formula = species ~ ., data = data, importance = t, proximity = t)

type of random forest: classification

number of trees: 500

no. of variables tried at each split: 2

oob estimate of error rate: 4%

confusion matrix:

setosa versicolor virginica class.error

setosa 50 0 0 0.00

versicolor 0 47 3 0.06

virginica 0 3 47 0.06

[1] "--------here is the names of model-----"

[1] "call" "type" "predicted" "err.rate"

[5] "confusion" "votes" "oob.times" "classes"

[9] "importance" "importancesd" "localimportance" "proximity"

[13] "ntree" "mtry" "forest" "y"

[17] "test" "inbag" "terms"

setosa versicolor virginica class.error

setosa 50 0 0 0.00

versicolor 0 47 3 0.06

virginica 0 3 47 0.06

最後，關於python與r在jupyter notebook中互動使用的例項可以參考：

熱愛程式設計，熱愛機器學習！ github: github blog: 個人部落格站點:不再維護)

python 呼叫 R，使用rpy2

python 呼叫 R，使用rpy2

win下實現Python通過rpy2呼叫R

安裝 rpy2 中的問題

python 呼叫 R，使用rpy2

python 呼叫 R，使用rpy2

win下實現Python通過rpy2呼叫R

安裝 rpy2 中的問題

相關推薦