R包：reticulate R对python的接口包

news2024/9/23 17:19:39

介绍1

R和python是两种不同的编程语言，前者是统计学家发明并且服务数学统计计算，后者则是最万能的胶水语言。随着大数据时代的到来，两者在数据分析领域存在越来越多的共同点且可以相互使用，为了破解二者的编程壁垒，CRAN收录了具有R接口的python包，从而使得两类语言的数据能共同使用。

reticulate2 是用于Python和R之间协同操作的全套工具，在R和Rstudio中均可使用；要求Rstudio必须在1.2版本以上;

install.packages("reticulate")
library(reticulate)

特性

  • reticulate 在R中支持多种方式调用python;
  • 实现R和python对象之间的转换;
  • 随意切换不同版本的python;
  • R内使用$调用python对象;
  • python内使用.调用R对象;
  • 使用import函数导入python模块import("os");
  • source_python()获取任何Python脚本;
  • 使用repl_python()交互使用python;

范例

R和python对同一数据进行可视化，可视化图形包括scatterplot，boxplot，barplot和heatmap等

散点图

R代码

library(dplyr)
library(ggplot2)

iris %>% mutate(Species=factor(Species, levels = c("setosa", "versicolor", "virginica"))) %>%
  ggplot(aes(x=Sepal.Width, y=Petal.Width, color=Species))+
  geom_point()+
  guides(color=guide_legend("", keywidth = .5, keyheight = .5))+
  labs(title = 'Scatter plot')+
  theme_bw()+
  scale_color_manual(values = c("red", "green", "blue"))+
  theme(plot.title = element_text(size = 10, color = "black", face = "bold", hjust = 0.5), 
      axis.title = element_text(size = 10, color = "black", face = "bold"),
      axis.text = element_text(size = 9, color = "black"),
      text = element_text(size = 8, color = "black"),
      strip.text = element_text(size = 9, color = "black", face = "bold"),
      panel.grid = element_blank(),
      legend.position = c(1, 1),
      legend.justification = c(1, 1),
      legend.background = element_rect(fill="white", color = "black"))

Python代码

dat = r.iris  # Python调用R内嵌数据使用r.data
species_map = {'setosa':1, 'versicolor':2, 'virginica':3}
dat['Species'] = dat['Species'].map(species_map)

import numpy as np
import matplotlib.pyplot as plt
# plt.scatter(dat['Sepal.Width'], dat['Petal.Width'], c=dat['Species'],
#      alpha=0.8, edgecolors='none', s=30, label=["1", "2", "3"])
# plt.title('Scatter plot in iris')
# plt.xlabel('Sepal.Width (cm)')
# plt.ylabel('Petal.Width (cm)')
# plt.legend(loc=1)
# plt.show()
 
dat1 = (np.array(dat[dat.Species==1]['Sepal.Width']), 
        np.array(dat[dat.Species==1]['Petal.Width']))
dat2 = (np.array(dat[dat.Species==2]['Sepal.Width']), 
        np.array(dat[dat.Species==2]['Petal.Width']))
dat3 = (np.array(dat[dat.Species==3]['Sepal.Width']), 
        np.array(dat[dat.Species==3]['Petal.Width']))

mdat = (dat1, dat2, dat3)
colors = ("red", "green", "blue")
groups = ("setosa", "versicolor", "virginica")

# step1 build figure background
fig = plt.figure()

# step2 build axis
ax  = fig.add_subplot(1, 1, 1, facecolor='1.0')  

# step3 build figure
for data, color, group in zip(mdat, colors, groups):
  x, y = data
  ax.scatter(x, y, alpha=0.8, c=color, 
      edgecolors='none', s=30, label=group)      

plt.title('Scatter plot')
plt.legend(loc=1)  

# step4 show figure in the screen
plt.show()

箱形图

R代码

library(dplyr)
library(ggplot2)

iris %>% mutate(Species=factor(Species, levels = c("setosa", "versicolor", "virginica"))) %>%
  ggplot(aes(x=Species, y=Sepal.Width, fill=Species))+
  stat_boxplot(geom = "errorbar", width = .12)+
  geom_boxplot(width = .3, outlier.shape = 3, outlier.size = 1)+
  guides(fill=guide_legend(NULL, keywidth = .5, keyheight = .5))+
  xlab("")+
  theme_bw()+
  scale_fill_manual(values = c("red", "green", "blue"))+
  theme(plot.title = element_text(size = 10, color = "black", face = "bold", hjust = 0.5), 
      axis.title = element_text(size = 10, color = "black", face = "bold"),
      axis.text = element_text(size = 9, color = "black"),
      text = element_text(size = 8, color = "black"),
      strip.text = element_text(size = 9, color = "black", face = "bold"),
      panel.grid = element_blank(),
      legend.position = c(1, 1),
      legend.justification = c(1, 1),
      legend.background = element_rect(fill="white", color = "black"))

Python代码

dat = r.iris  # Python调用R内嵌数据使用r.data
species_map = {'setosa':1, 'versicolor':2, 'virginica':3}
dat['Species'] = dat['Species'].map(species_map)

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

dat11 = (np.array(dat[dat.Species==1]['Sepal.Width']))
dat21 = (np.array(dat[dat.Species==2]['Sepal.Width']))
dat31 = (np.array(dat[dat.Species==3]['Sepal.Width']))

mdat2 = (dat11, dat21, dat31)
colors = ("red", "green", "blue")
groups = ("setosa", "versicolor", "virginica")

fig = plt.figure()
axes = fig.add_subplot(facecolor='1.0')
bplot = axes.boxplot(mdat2, patch_artist=True, notch=0, sym='+', vert=1, whis=1.5,
  whiskerprops = dict(linestyle='--',linewidth=1.2, color='black'))

# color
for patch, color in zip(bplot['boxes'], colors):
  patch.set_facecolor(color)

# axes labels
plt.setp(axes, xticks=[1,2,3],
         xticklabels=["setosa", "versicolor", "virginica"])

red_patch = mpatches.Patch(color='red', label='setosa')
green_patch = mpatches.Patch(color='green', label='versicolor')
blue_patch = mpatches.Patch(color='blue', label='virginica')

plt.legend(handles=[red_patch, green_patch, blue_patch], loc=1)

plt.show()

条形图

R代码

library(dplyr)
library(ggplot2)

iris %>% mutate(Species=factor(Species, levels = c("setosa", "versicolor", "virginica"))) %>%
  select(Species, Sepal.Width) %>% group_by(Species) %>%
  summarize(avg=mean(Sepal.Width), n=n(), sd=sd(Sepal.Width), se=sd/sqrt(n)) %>%
  ungroup() %>%
  ggplot(aes(x=Species, y=avg, fill=Species))+
  geom_bar(stat="identity", width=.4, color="black")+
  geom_errorbar(aes(ymin=avg-sd, ymax=avg+sd), width=.15,
                 position=position_dodge(.9), size=1)+
  guides(fill=guide_legend(NULL, keywidth = .5, keyheight = .5))+
  xlab("")+
  ylab("Sepal.Width")+
  scale_y_continuous(breaks=seq(0, 3.5,0.5), limits=c(0, 4.4),expand = c(0,0))+
  theme_bw()+
  scale_fill_manual(values = c("red", "green", "blue"))+
  theme(axis.title = element_text(size = 10, color = "black", face = "bold"),
      axis.text = element_text(size = 9, color = "black"),
      text = element_text(size = 8, color = "black"),
      strip.text = element_text(size = 9, color = "black", face = "bold"),
      panel.grid = element_blank(),
      legend.position = c(1, 1),
      legend.justification = c(1, 1),
      legend.background = element_rect(fill="white", color = "black"))

Python代码

dat = r.iris  # Python调用R内嵌数据使用r.data
species_map = {'setosa':1, 'versicolor':2, 'virginica':3}
dat['Species'] = dat['Species'].map(species_map)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

mean = list(dat['Sepal.Width'].groupby(dat['Species']).mean())
sd   = list(dat.groupby('Species').agg(np.std, ddof=0)['Sepal.Width'])

df = pd.DataFrame({'mean':mean}, index=["setosa", "versicolor", "virginica"])
df.plot(kind='bar', alpha=0.75, rot=0, edgecolor='black', 
        yerr=sd, align='center', ecolor='black', capsize=5,
        color=("red", "green", "blue"),
        ylim=(0.0, 4.4),
        yticks=list(np.arange(0, 4.0, 0.5)))

# xlabel
plt.xlabel('')
plt.ylabel('Sepal.Width')

# legend
red_patch = mpatches.Patch(color='red', label='setosa')
green_patch = mpatches.Patch(color='green', label='versicolor')
blue_patch = mpatches.Patch(color='blue', label='virginica')
plt.legend(handles=[red_patch, green_patch, blue_patch],   # color and group
    loc=1,                # location
    prop={'size': 8})     # size 
plt.show()

心得

初次使用reticulate的感觉还不错，可以比较完美串联R和Python，尤其是在Rmarkdown文件内使用R和Python代码，但缺点也很明显：

  • 运行Python cell没有详细报错信息；
  • 粗略的报错提示行信息不以Rmd文件整体行作为开始；
  • 无法兼容带有汉字的注释信息；
  • 无法像R一样查看python环境下变量；
  • 出错后有时无任何报错信息

根据visual studio code的最新python插件公布情况看，以后vsc可以完美兼容Jupyter notebook格式文件，因此如果想单独使用python但无较好交互编辑器，可以使用vsc的python插件读取ipynb文件3

参考

  1. https://zhuanlan.zhihu.com/p/35049732 ↩︎

  2. https://github.com/rstudio/reticulate ↩︎

  3. https://code.visualstudio.com/docs/python/jupyter-support ↩︎

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1910696.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Noah-MP陆面生态水文模拟与多源遥感数据同化

Noah-MP陆面生态水文模拟与多源遥感数据同化

陆面模型在生态水文研究中的地位和作用；熟悉模型的发展历程，常见模型及各自特点；理解Noah-MP模型的原理，掌握Noah-MP模型在单站和区域的模拟、模拟结果的输出和后续分析及可视化等方法；课程还将深入讲解数据同化的原理…
阅读更多...
从天空到地面：无人机航拍推流直播技术在洞庭湖决口封堵中的全方位支援

从天空到地面：无人机航拍推流直播技术在洞庭湖决口封堵中的全方位支援

据新闻报道，受持续强降雨影响，湖南省华容县团洲垸洞庭湖一线堤防发生管涌险情，随后出现决口。截至7月8日20时左右，226米长的洞庭湖一线堤防决口已累计进占208米，目前剩余18米，有望在今晚或9日凌晨实现合龙。…
阅读更多...
Spring Cloud Alibaba -- 分布式定时任务解决方案（轻量级、快速构建）（ShedLock 、@SchedulerLock ）

Spring Cloud Alibaba -- 分布式定时任务解决方案（轻量级、快速构建）（ShedLock 、@SchedulerLock ）

文章目录 一、 ShedLock简介二、 SchedulerLock三、基于Mysql方式使用步骤1.建表2.引入依赖3.Mysql连接配置4.ScheduledLock配置5.启动类配置6.创建定时任务7.启动多个项目服务进行测试8.SchedulerLock注解说明 四、使用注意事项 一、 ShedLock简介 ShedLock 是一个用于 Java …
阅读更多...
swiftui给视图添加边框或者只给某个边设置border边框

swiftui给视图添加边框或者只给某个边设置border边框

直接使用border()就可以给一个视图添加边框效果，但是这种边框会给所有的边都设置上。 border()里面也可以添加属性.border(.blue, width: 5)这种就是设置颜色和宽度。 设置圆角边框 Text("1024小神").padding().cornerRadius(20).overlay(RoundedRectang…
阅读更多...
如何在Facebook上保护你的个人资料安全？

如何在Facebook上保护你的个人资料安全？

随着社交媒体的普及和个人信息的数字化，保护个人资料安全成为越来越重要的议题。特别是在使用像Facebook这样的平台时，我们需要特别注意如何保护我们的数据免受未经授权的访问和滥用。本文将探讨一些实用的方法，以及如何增强你在Facebook上的…
阅读更多...
keil mdk注释插件合集格式、时间、日期注释

keil mdk注释插件合集格式、时间、日期注释

文章目录 一、前言二、安装步骤2.1 解压tools.zip2.2 tools 文件解释2.3 添加注释带keil 三、配置3.1 格式化代码3.2 文件注释3.3函数注释3.4 当前日期3.5 当前时间 四、编辑注释模板4.1 编辑函数注释模板4.2 编辑C文件注释模板4.3 编辑h文件注释模板 五、为注释功能添加快捷键…
阅读更多...
qmt量化交易策略小白学习笔记第55期【qmt编程之期权数据--获取历史期权列表】

qmt量化交易策略小白学习笔记第55期【qmt编程之期权数据--获取历史期权列表】

qmt编程之获取期权数据 qmt更加详细的教程方法，会持续慢慢梳理。 也可找寻博主的历史文章，搜索关键词查看解决方案 ！ 感谢关注，咨询免费开通量化回测与获取实盘权限，欢迎和博主联系！ 获取历史期权列表 …
阅读更多...
Sui DeFi现状介绍

Sui DeFi现状介绍

关于Sui Network Sui是基于第一原理重新设计和构建而成的L1公有链，旨在为创作者和开发者提供能够承载Web3中下一个十亿用户的开发平台。Sui上的应用基于Move智能合约语言，并具有水平可扩展性，让开发者能够快速且低成本支持广泛的应用开发。获…
阅读更多...
视频监控管理平台智能边缘分析一体机视频监控系统客流统计检测算法

视频监控管理平台智能边缘分析一体机视频监控系统客流统计检测算法

在当今数据驱动的时代，客流统计作为商业分析的重要手段，其准确性和实时性对于商家决策具有至关重要的影响。随着技术的发展，智能边缘分析一体机结合了边缘计算与深度学习技术，为客流统计提供了更为高效、精准的解决方案。 首先&am…
阅读更多...
可变参数 Collections 不可变集合 Stream流

可变参数 Collections 不可变集合 Stream流

目录 1.可变参数： 2.Collections: 3.不可变集合： 4.Stream流: 1、什么是流 2、如何生成流 1.单列集合获取Stream流 2.双列集合获取Stream流 3.数组获取Stream流： 4.一堆零散数据： Stream接口中的静态方法 3.Stream流的…
阅读更多...
【总线】AXI第九课时：介绍AXI响应信号 (Response Signaling)：RRESP和 BRESP

【总线】AXI第九课时：介绍AXI响应信号 (Response Signaling)：RRESP和 BRESP

大家好,欢迎来到今天的总线学习时间!如果你对电子设计、特别是FPGA和SoC设计感兴趣，那你绝对不能错过我们今天的主角——AXI4总线。作为ARM公司AMBA总线家族中的佼佼者，AXI4以其高性能和高度可扩展性，成为了现代电子系统中不可或缺的通信桥梁…
阅读更多...
如何在 Odoo 16 中配置搜索视图、过滤器和分组

如何在 Odoo 16 中配置搜索视图、过滤器和分组

Odoo 中有多种视图类型，包括表单、看板、树、日历、Qweb、搜索等。与表单视图相比，搜索视图用于过滤其他视图的内容，而不是显示内容本身。这使得搜索视图与其他视图不同。表单视图仅包含一条记录，因此不需要搜索。 本文将详细介绍…
阅读更多...
PointNet——源码调试（模型训练+可视化测试显示）

PointNet——源码调试（模型训练+可视化测试显示）

因为项目涉及到3D点云项目，故学习下PointNet这个用来处理点云的神经网络 论文的话，大致都看了下，网络结构有了一定的了解，本博文主要为了下载调试PointNet网络源码，训练和测试调通而已，不涉及后续的改进优化…
阅读更多...
PHP项目中的前端页面随意点击卡片后会重定向到首页或登录页

PHP项目中的前端页面随意点击卡片后会重定向到首页或登录页

个人名片 🎓作者简介：java领域优质创作者 🌐个人主页：码农阿豪 📞工作室：新空间代码工作室（提供各种软件服务） 💌个人邮箱：[2435024119qq.com] &#x1f4f1…
阅读更多...
判断对象能否回收的两种方法，以及JVM引用

判断对象能否回收的两种方法，以及JVM引用

判断对象能否回收的两种方法：引用计数算法，可达性分析算法 引用计数算法：给对象添加一个引用计数器，当该对象被其它对象引用时计数加一，引用失效时计数减一，计数为0时，可以回收。 特点&#xf…
阅读更多...
STMCUBEMX_IIC_LL库/HAL库_扫描总线设备

STMCUBEMX_IIC_LL库/HAL库_扫描总线设备

STMCUBEMX_IIC_LL库/HAL库_扫描总线设备 前言： 在很多开发过程中，I2C总线上会挂载多个从机设备，但是又不知道设备的地址是多少，我做一个简单的小工具扫描总线，把地址打印出来就很方便 LL库实例： void scan…
阅读更多...
欧姆龙安全PLC及周边产品要点指南

欧姆龙安全PLC及周边产品要点指南

电气安全、自动化设备作业安全，向来是非常非常之重要的！越来越多的客户在规划新产线、改造既有产线的过程中，明确要求设计方和施工方将安全考虑进整体方案中进行考虑和报价！作为一名自动化电气工程师，尤其是高级工程师…
阅读更多...
Python爬虫教程第3篇-解决使用reqeusts遇到的ProxyError异常

Python爬虫教程第3篇-解决使用reqeusts遇到的ProxyError异常

起因 问题出现在windows电脑上，我用mac执行程序的时候并不会报错，但是如果在windows上的时候，大部分windows电脑会报错，而有些版本低的windows电脑又不会报错。 异常栈信息 HTTPSConnectionPool, Cannot connect to proxy, no …
阅读更多...
智能无人数字直播间 打造24小时的无人直播间源码系统 带网站的安装代码包以及搭建教程

智能无人数字直播间 打造24小时的无人直播间源码系统 带网站的安装代码包以及搭建教程

系统概述 智能无人数字直播间系统是一种基于人工智能技术的软件工具，它结合了高精度扫描建模、自动化控制、多模态生成等多项先进技术，能够实现对真实人物的高度仿真，并自主执行各类直播任务。该系统不仅支持24小时不间断直播，还…
阅读更多...
物联网安全的优秀实践以及八种策略

物联网安全的优秀实践以及八种策略

大多数物联网安全漏洞都是可以预防的，甚至可能是全部。看看任何引人注目的物联网攻击，都会发现一个已知的安全漏洞。 大多数物联网安全漏洞都是可以预防的，甚至可能是全部。看看任何引人注目的物联网攻击，都会发现一个已知的安全漏…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023