Question

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 documentation警告方法A，因为“对大型对象执行此操作可能不是您计算能力的最佳用途。”为什么会这样？有没有已知的基准？

我更喜欢方法A，因为它更容易跟随，它保持两种语言分离，我可以填充现有的R代码片段。但是，我想通过走这条路来更多地了解我会牺牲什么。任何对此的见解都非常感激。

Answer 1

这一切都归结为处理数据 - 如果你在python中没有任何数据，一定要使用方法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 - 这将在你开始处理大量数据之前正常工作。

以下是一个例子：

from rpy2 import robjects as ro
import numpy
data = numpy.random.random(1000)

现在你在python中有一个带有1000个元素的向量，如果你想在R中做任何事情，你就必须转换它。你的方法A会产生这样的结果：

vecstr = "c({})".format(",".join(map(str, data)))
cmd = 'hist({},xlab="val", ylab="count", main="")'.format(vecstr)
ro.r(cmd)

len(cmd)>15000。你最好把所有内容写入文件，然后单独调用R脚本（使用python的subprocessing模块，如上所述）。或者，你可以这样做，如方法B：

ro.r.hist(ro.FloatVector(data), xlab="val", ylab="count", main="")

哪个更干净，如果你的矢量长度为1百万而不是1000，则不会有问题。

关于你的效率问题：

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

对于一个不做很多事情的简单玩具示例，以及一个相对较小的数据集，它似乎比不转换为字符串快5-6倍。

rpy2代码评估方法的区别

1 个答案: