Сравнение с R / библиотеками R

Поскольку pandas стремится предоставить много функциональности для обработки и анализа данных, которую люди используют в R, эта страница была создана для более подробного ознакомления с языком программирования R и его многочисленными сторонними библиотеками в связи с pandas. При сравнении с R и библиотеками CRAN мы учитываем следующие моменты:

Функциональность/гибкость: что можно/нельзя сделать с каждым инструментом
Производительность: насколько быстро выполняются операции. Желательно наличие точных числовых данных/бенчмарков
Простота использования: один инструмент проще/сложнее в использовании (это вам придётся судить, учитывая сравнения кода "бок о бок")

Эта страница также служит руководством по переводу для пользователей этих пакетов R.

Для передачи объектов DataFrame из pandas в R можно использовать файлы HDF5, см. Внешняя совместимость для примера.

Быстрый справочник

Мы начнём с быстрого справочника, сопоставляющего некоторые общие операции R, использующие dplyr, с эквивалентами в pandas.

Запросы, фильтрация, выборка

R	pandas
`dim(df)`	`df.shape`
`head(df)`	`df.head()`
`slice(df, 1:10)`	`df.iloc[:9]`
`filter(df, col1 == 1, col2 == 1)`	`df.query('col1 == 1 & col2 == 1')`
`df[df$col1 == 1 & df$col2 == 1,]`	`df[(df.col1 == 1) & (df.col2 == 1)]`
`select(df, col1, col2)`	`df[['col1', 'col2']]`
`select(df, col1:col3)`	`df.loc[:, 'col1':'col3']`
`select(df, -(col1:col3))`	`df.drop(cols_to_drop, axis=1)` см. [1]
`distinct(select(df, col1))`	`df[['col1']].drop_duplicates()`
`distinct(select(df, col1, col2))`	`df[['col1', 'col2']].drop_duplicates()`
`sample_n(df, 10)`	`df.sample(n=10)`
`sample_frac(df, 0.01)`	`df.sample(frac=0.01)`

[1]	Упрощенная запись R для поддиапазона столбцов (`select(df, col1:col3)`) может быть чисто реализована в pandas, если у вас есть список столбцов, например `df[cols[1:3]]` или `df.drop(cols[1:3])`, но выполнение этого по имени столбца немного сложно.

Сортировка

R	pandas
`arrange(df, col1, col2)`	`df.sort_values(['col1', 'col2'])`
`arrange(df, desc(col1))`	`df.sort_values('col1', ascending=False)`

Преобразование

R	pandas
`select(df, col_one = col1)`	`df.rename(columns={'col1': 'col_one'})['col_one']`
`rename(df, col_one = col1)`	`df.rename(columns={'col1': 'col_one'})`
`mutate(df, c=a-b)`	`df.assign(c=df.a-df.b)`

Группировка и обобщение

R	pandas
`summary(df)`	`df.describe()`
`gdf <- group_by(df, col1)`	`gdf = df.groupby('col1')`
`summarise(gdf, avg=mean(col1, na.rm=TRUE))`	`df.groupby('col1').agg({'col1': 'mean'})`
`summarise(gdf, total=sum(col1))`	`df.groupby('col1').sum()`

Базовый R

Выделение фрагментов с использованием `c` R

R позволяет легко получить доступ к столбцам data.frame по имени

df <- data.frame(a=rnorm(5), b=rnorm(5), c=rnorm(5), d=rnorm(5), e=rnorm(5))
df[, c("a", "c", "e")]

или по целочисленной позиции

df <- data.frame(matrix(rnorm(1000), ncol=100))
df[, c(1:10, 25:30, 40, 50:100)]

Выбор нескольких столбцов по имени в pandas выполняется просто

In [1]: df = pd.DataFrame(np.random.randn(10, 3), columns=list('abc'))

In [2]: df[['a', 'c']]
Out[2]: 
          a         c
0  0.469112 -1.509059
1 -1.135632 -0.173215
2  0.119209 -0.861849
3 -2.104569  1.071804
4  0.721555 -1.039575
5  0.271860  0.567020
6  0.276232 -0.673690
7  0.113648  0.524988
8  0.404705 -1.715002
9 -1.039268 -1.157892

In [3]: df.loc[:, ['a', 'c']]

© 2008–2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/0.24.2/getting_started/comparison/comparison_with_r.html