做数据分析时，R 用户如何学习 Python?

本文是帮助 R 用户增强技能和为数据科学进阶而学习 Python (从零开始)。毕竟，R 和 Python 是数据科学从业者必需掌握的两门最重要的编程语言。

Python 是一门功能强大和多用途的编程语言，在过去几年取得惊人发展。它过去用于 Web 开发和游戏开发，现在数据分析和机器学习也要用到它。数据分析和机器学习是 Python 应用上相对新的分支。

作为初学者，学习 Python 来做数据分析是比较痛苦的。为什么?

在谷歌上搜索“Learn Python ”，你会搜到海量教程，但内容只是关于学习 Python 做 Web 开发应用。那你如何找到方法?

在本教程，我们将探讨 Python 在执行数据操作任务上的基础知识。同时，我们还将对比在 R 上是如何操作的。这种并行比较有助于你将 R 和 Python 上的任务联系起来。最后，我们将采用一个数据集来练习我们新掌握的 Python 技能。

内容概要

为什么学习 Python(即使你已经懂 R )

理解 Python 的数据类型和结构(与 R 对比)

用 Python 写代码(与 R 对比)

用一个数据集实践 Python

为什么学习 Python(即使你已经懂R)

毫无疑问，R 在它自身的领域是极其强大的，实际上，它最初是用来做统计计算和操作。强大的社区支持使得初学者可以很快掌握 R .

但是， Python 正迎头赶上，无论成熟公司还是初创公司对Python 的接受程度要远远大于 R 。

 

 

根据 indeed.com 提供的数据(2016年1月至2016年12月)，“用 Python 做机器学习”的招聘信息数量要比“用 R 做机器学习” 增长快得多(约 123%)。这是因为：

Python 以更好的方式支持机器学习覆盖的全部范围。

Python 不仅支持模型构建，而且支持模型部署。

相比 R , Python 支持多种强大的诸如 keras、convnet,、theano 和 tensorflow 深度学习库。

Python的库相对独立，每个库都拥有数据科学工作者所需要的所有函数。你不需要像在 R 中一样在各种包之间来回查找一个函数。

理解 Python 数据类型和结构(与 R 对比)

编程语言是基于它的变量和数据类型来理解复杂的数据集。是的，假设你有一个 100 万行，50 列的数据集。编程语言会如何理解这些数据呢?

基本上，R 和 Python 都有未定义数据类型。独立和非独立变量都有着不同的数据类型。解释器根据数据类型分配内存。Python 支持的数据类型包括：

1.数值型(Numbers)——存储数值。这些数值可以存储为4种类型：整型，长整型，浮点型，复数型。让我们分别理解。

整型(Integer)—— 它指的是整数类型，比如 10 、13 、91、102 等。相当于 R 中的整型(integer)。

长整型(Long)——它指的是用八进制或者十六进制表示的长整数，在 R 中，用 64 位包读取十六进制值。

浮点型(Float)——指的是小数值，比如 1.23 , 9.89 等， R 中浮点数包含在数值型(numeric)。

复数型(Complex)——它指的是复数值，比如 as 2 + 3i, 5i 等。不过这种数据类型在数据中不太常见。

2.布尔型(Boolean)——布尔型只存储两个值(True 和 False)。在 R 中，它可以存储为因子(factor)类型或字符(character)类型。R 和 Python 的布尔值之间存在着微小的差别。在 R 中，布尔型存储为 TRUE 和 FALSE。在 Python 中，它们存储为 True 和 False 。字母的情况有差异。

3.字符串(Strings)——它存储文本(字符)数据，如“elephant,”lotus,”等，相当于R的字符型(character)。

4.列表——它与 R 的列表数据类型相同。它能够存储多种变量类型的值，如字符串、整数、布尔值等。

5.元组—— R 中没有元组类型，把元组看成是 R 中的向量，它的值不能改变。即它是不可变的。

6.字典—— 它提供支持 key-value 对的二维结构。简而言之，把键(key )看作是列名，对(pair)看作是列值。

因为 R 是统计计算语言，所有操作数据和读取变量的函数都是固有的。而另一方面，Python 数据的分析、处理、可视化函数都是从外部库调用。Python 有多个用于数据操作和机器学习的库。以下列举最重要的几个：

Numpy——在Python中它用于进行数值计算。它提供了庞大的诸如线性代数、统计等的数学函数库。它主要用于创建数组。在 R 中，把数组看作列表。它包含一个类(数字或字符串或布尔)或多个类。它可以是一维或多维的。

Scipy ——在Python中它用于进行科学计算。

Matplotlib——在 Python 中它用于进行数据可视化。在 R，我们使用著名的 ggplot2 库。

Pandas ——对于数据处理任务它极其强大。在 R 中，我们使用 dplyr，data.table 等包。

Scikit Learn—— 它是实现机器学习算法的强大工具。实际上，它也是 python 中用来做机器学习的最好工具。它包含建模所需的所有函数。

在某种程度上，对于数据科学工作者来说，最主要的是要掌握上面提到的 Python 库。但人们正开始使用的高级 Python 库有太多。因此，为了实际目标，你应该记住以下这些：

数组(Array)——这与 R 的列表类似。它可以是多维的。它可以包含相同或多个类的数据。在多个类的情况下，会发生强制类型转换。

列表(List)—— 相当于 R 中的列表。

数据框(Data Frame)——它是一个包含多个列表的二维结构。R中有内置函数 data.frame，Python则从 pandas库中调用 Dataframe 函数。

矩阵(Matrix)——它是二维(或多维)结构，包含同一类(或多个类)的所有值。把矩阵看成是向量的二维版。在R中，我们使用 matrix 函数。在Python中，我们使用 numpy.column_stack 函数。

到这里，我希望你已经明白了R和Python中数据类型和数据结构的基本知识。现在，让我们开始应用它们。

用Python写代码(对比R)

我们现在来使用在前面部分学到的知识，明白它们实际的含义。但在此之前，你要先通过Anaconda的 jupyter notebook 安装 Python(之前称为ipython notebook)。你可以点击这里下载。我希望你已经在电脑上安装了 R Studio 。

2. Matrix 矩阵

矩阵是由向量(或数组)组合而成的二维结构。一般来说，矩阵包含同一类的元素。然而，即使你混合不同的类(字符串，布尔，数字等)中的元素，它仍会运行。R 和 Python 在矩阵中构建子集的方法很相似，除了索引编号。重申，Python 索引编号从 0 开始，R 索引编号从 1 开始。

在 R 中，矩阵可以这么创建：

总结

总体来说，学习这两门语言会给你足够的自信去处理任何类型的数据集。事实上，学习python最好的一面是它有完善的文档可以用在numpy，pandas，scikit learn 库，这足够帮你跨越所有最初的障碍。