2

rpy2 可以用几种不同的方法评估 R 代码：

方法 A - 将字符串评估为 R 代码

import rpy2.robjects as rob
rcode = '''
print(summary(mtcars))
'''
rob.r(rcode)

方法 B - 通过 python 对象评估 R 代码

import rpy2.robjects as rob
rsummary = rob.r['summary']
mtcars = rob.r('mtcars')
print rsummary(mtcars)

rpy2文档对方法 A 提出警告，因为“对大型对象执行此操作可能不是对计算能力的最佳利用。 ”为什么会这样？有已知的基准吗？

我更喜欢方法 A，因为它更容易理解，它使两种语言分开，而且我可以在现有的 R 代码片段中添加内容。但是，我想更多地了解走这条路会牺牲什么。对此的任何见解都非常感谢。

4

1 回答 1

2

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。

于 2013-11-12T23:53:00.113 回答