Интерфейс Python для языка программирования R

Как указал @lgautier, уже есть другой ответ на эту тему. Я оставляю свой ответ здесь, так как он добавляет опыт подхода к R как новичка, сначала зная Python.

Я использую как Python, так и R и сочувствую вам как новичку в R.

Поскольку любой ответ, который вы получите, будет субъективным, я резюмирую несколько моментов из своего опыта:

• Я использую rpy2 в качестве интерфейса и нахожу его "Pythonic", стабильным, предсказуемым и достаточно эффективным для моих потребности. Я не использовал другие пакеты, так что это не комментарий к ним, а скорее к достоинствам самого rpy2.
• НО не ожидайте, что будет простой способ использования R в Python без изучения обоих. Я считаю, что добавление интерфейса между двумя языками упрощает кодирование, когда вы знаете оба, но кошмар отладки для тех, кто не владеет одним из языков.

Мой совет:

1. Для большинства приложений в Python есть пакеты, которые позволяют вам делать большинство вещей, которые вы хотите делать в R, от обработки данных до построения графиков. Ознакомьтесь с SciPy, NumPy, pandas, BioPython, matplotlib и другие научные пакеты или даже полную версию Anaconda или Enthought дистрибутивов Python. Это позволяет вам оставаться в среде Python и обеспечивает большую часть необходимых вам возможностей.
2. В то же время вам понадобится широкий спектр специализированных пакетов R, поэтому потратьте некоторое время на его изучение в интерактивной среде. Я обнаружил, что почти невозможно освоить даже основы R в командной строке, но RStudio и руководства на Quick-R и Learn-R заставил меня работать очень быстро.

Как только вы освоите и то, и другое, вы сможете творить чудеса с rpy2 без ужасов межъязыковой отладки.

Новые ресурсы

Обновление от 29 января 2015 г.

Этот ответ оказался популярным, и поэтому я подумал, что было бы полезно указать на два более свежих ресурса:

• Ральф Хейнкель выступил на эту тему с большим докладом на EuroPython 2014. Видео о Combining мощные миры Python и R доступны на канале EuroPython на YouTube. Цитирую его:

Триплет R, Rserve и pyRserve позволяет построить сетевой мост от Python к R: теперь R-функции можно вызывать из Python, как если бы они были реализованы в Python, и даже полные R-скрипты могут выполняться через это соединение. .

• Теперь можно комбинировать R и Python, используя rmagic в IPython/Jupyter значительно облегчая работу по созданию воспроизводимых исследований и блокнотов, сочетающих оба языка.

Вопрос о сравнении rpy2, pyrserve и pyper друг с другом был ответил на сайте ранее.

Что касается количества участников, я бы сказал, что все 3 имеют относительно небольшое количество. Такой сайт, как Ohloh, может дать более подробный ответ.

Сложно определить, насколько активно используется пакет. Одним показателем может быть количество загрузок, другим может быть количество сообщений в списках рассылки или количество вопросов на таких сайтах, как stackoverflow, количество других пакетов, использующих или цитирующих его, количество резюме или вакансий, в которых упоминается упаковка. Хотя я считаю, что могу дать справедливую оценку, у меня также может возникнуть конфликт интересов. ;-)

Все три имеют 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 отказался от него в пользу использования system команд. Типичным случаем для меня был запуск модели FORTRAN с использованием скриптов Python и постобработка с помощью R. По моему опыту, самым простым решением было создание инструмента командной строки с использованием R, что довольно просто (по крайней мере, в Linux). Инструмент командной строки может быть запущен в корневом каталоге запуска модели, и сценарий создаст набор объектов R и графиков в каталоге Routput. Преимущество такого разделения R и Python заключалось в том, что я мог легко отлаживать код R отдельно от кода Python.

Я думаю, что Rpy действительно сияет, когда требуется много обратной связи между R и Python. Но если функциональность хорошо отделима, а накладные расходы дискового ввода-вывода не так уж велики, я бы придерживался system вызовов. Дополнительную информацию о системные вызовы и Rscript для запуск сценариев R в качестве инструмента командной строки.

Что касается вашего желания писать код R в стиле Python, это невозможно, так как все решения требуют, чтобы вы писали код R в синтаксисе R. Для Rpy это означает синтаксис R, но немного другой (например, без .). Я согласен с @gauden в том, что нет возможности использовать R через Rpy.