???? . Đăng ký để nhận Mẹo R mới vào hộp thư đến của bạn
Trong nhiều năm, Python và R đã đọ sức như những kẻ thù không đội trời chung trong thế giới khoa học dữ liệu, lôi kéo những người thực hành nó chọn một bên và không bao giờ nhìn lại – không còn nữa. Bây giờ là năm 2021 và đã đến lúc hai người khổng lồ này hợp lực thông qua reticulate, cho phép chúng ta sử dụng Python và R cùng nhau
Cả R và Python đều có lợi ích của chúng
Hãy bắt đầu với việc xem xét những lợi ích mà cả R và Python mang lại. Nếu bạn không có nền tảng về viết mã, R thường dễ học và triển khai hơn – đặc biệt đối với những người có nền tảng kinh doanh. Nếu điều này mô tả về bạn, thì bài viết này sẽ là một phần tiếp theo tuyệt vời, hãy đọc 6 lý do nên tìm hiểu R cho doanh nghiệp. R được thiết kế cho mô hình thống kê, do đó khi làm việc với các mô hình này thường tốn ít mã hơn so với Python. Python thường dễ học hơn đối với những người có nền tảng về mã hóa, do cú pháp nhất quán và đơn giản của nó
Python có lợi thế trong lập trình mục đích chung, cũng như tùy chỉnh các tính năng do bản chất mã hóa vốn có của nó. R có lợi thế là được thiết kế đặc biệt với tính năng phân tích và trực quan hóa dữ liệu. Cả hai đều có cộng đồng và sự phát triển mạnh mẽ, cũng như các tính năng cộng tác và khả năng chia sẻ được tích hợp sẵn cho các nhóm. Do đó, mặc dù cả hai có thể được sử dụng độc lập và hoàn thành cùng một mục tiêu, nhưng cách tiếp cận được tối ưu hóa là kết hợp các điểm mạnh của chúng và do đó loại bỏ các điểm yếu cố hữu của chúng cho khoa học dữ liệu
Sử dụng reticulate để làm việc với cả Python và R
Đối với những người quen thuộc với Python, một trong những thư viện có thể nhập nổi tiếng nhất của nó là Scikit Learn, tiêu chuẩn công nghiệp cho máy học. Đây là một ví dụ về nơi lưới có thể thay đổi trò chơi, vì nó cho phép dịch giữa các đối tượng R và Python. Do đó, bạn có thể xử lý việc học máy bằng Python để tạo các mô hình dự đoán, đồng thời sử dụng R để phân tích với các thư viện sắp xếp dữ liệu và trực quan hóa khổng lồ. Reticulate là một gói trong R cho phép chúng ta sử dụng Python và nó rất dễ cài đặt, chỉ cần sử dụng
install.packages[“reticulate”] library[reticulate]
Khi bạn tiếp tục phát triển các kỹ năng của mình với Python, R và Reticulate, bạn sẽ có thể tối ưu hóa quy trình khoa học dữ liệu của mình. Để biết một số ví dụ hay và hướng dẫn về cách sử dụng Reticulate, hãy xem R và Python. Cách tích hợp những gì tốt nhất của cả hai vào quy trình khoa học dữ liệu của bạn
Ví dụ: hãy nghĩ về cách tiếp cận ngăn xếp đầy đủ cho một dự án khoa học dữ liệu. Dữ liệu sẽ bắt đầu được phân đoạn thành các nguồn khác nhau và khá lộn xộn. R và cái gọn gàng là tuyệt vời để hợp nhất các tập dữ liệu được phân đoạn đó và đặt cùng một khung dữ liệu ban đầu tận dụng dplyr và đường ống [sử dụng những thứ này. %>%]. Chúng tôi có thể sử dụng R để khám phá ban đầu, nơi chúng tôi có thể sử dụng Tidyverse để hiểu các cấu trúc cơ bản. Tiếp theo, Reticulate có thể đưa dữ liệu vào Python vì thế mạnh của nó trong học máy, sử dụng Scikit Learn. Cuối cùng, đối với giai đoạn giao tiếp và trình bày, chúng tôi tận dụng R cho các tiện ích của nó như Shiny và RMarkdown
Tìm hiểu cách sử dụng R và Python Cùng nhau trong khóa học sắp tới của chúng tôi
Hãy tưởng tượng rằng kịch bản trên diễn ra, trong thời gian thực, trong môi trường hợp tác nhóm. Bằng cách tận dụng các thành viên trong nhóm có chuyên môn về Python hoặc R, Reticulate cho phép bạn phát huy tối đa kỹ năng của họ và hợp nhất họ thành một quy trình hợp lý. Bạn muốn tìm hiểu về cách sử dụng R & Python trong các nhóm cộng tác? . https. //mailchi. mp/business-science/r-python-teams
Danh sách chờ này dành cho
✅ Những người muốn tìm hiểu lợi ích của Nhóm R/Python hợp tác
✅ Người dùng R muốn tìm hiểu Python
✅ Người dùng Python muốn
Tham gia Danh sách chờ khóa học R/Python Teams
Vâng, tôi muốn nghe thêm
Có liên quan
Chia sẻTweet
Để lại nhận xét cho tác giả, vui lòng theo liên kết và nhận xét trên blog của họ. khoa học kinh doanh. io