这一切都归结为处理数据——如果您在 python 中没有任何数据,请务必使用方法 A。
方法 A 几乎等同于使用子进程运行 R。想象一下,使用 python 创建一个文件 script.R,然后运行该脚本——这将正常工作,直到您开始处理大量数据。
这是一个例子:
from rpy2 import robjects as ro
import numpy
data = numpy.random.random(1000)
现在你在 python 中有一个包含 1000 个元素的向量,如果你想在 R 中对它做任何事情,你必须转换它。您的方法 A 会导致如下结果:
vecstr = "c({})".format(",".join(map(str, data)))
cmd = 'hist({},xlab="val", ylab="count", main="")'.format(vecstr)
ro.r(cmd)
哪里len(cmd)>15000
。您最好将所有内容写入文件并单独调用 R 脚本(使用 python 的subprocessing
模块,如上所述)。或者,您可以这样做,如方法 B:
ro.r.hist(ro.FloatVector(data), xlab="val", ylab="count", main="")
哪个更干净,如果您的向量长度为 100 万而不是 1000,则不会有问题。
至于你的效率问题:
In [29]: data1 = numpy.random.random(1000)
In [30]: data2 = numpy.random.random(1000)
In [31]: %%timeit
....: ro.r.cor(ro.FloatVector(data1), ro.FloatVector(data2))[0]
....:
1000 loops, best of 3: 1.01 ms per loop
In [32]: %%timeit
....: vec1str = "c({})".format(",".join(map(str, data1)))
....: vec2str = "c({})".format(",".join(map(str, data2)))
....: ro.r("cor({},{})".format(vec1str, vec2str))
....:
100 loops, best of 3: 5.86 ms per loop
对于一个没有做很多事情的简单玩具示例和一个相对较小的数据集,不转换为字符串似乎要快 5-6 倍。