Errores en R para programadores de Python

Question

He programado principalmente en Python, pero ahora estoy aprendiendo el lenguaje de programación estadística R. He notado cierta diferencia entre los lenguajes que tienden a hacerme tropezar.

Supongamos que v es un vector/matriz con los números enteros del 1 al 5 inclusive.

v[3] # in R: gives me the 3rd element of the vector: 3 
     # in Python: is zero-based, gives me the integer 4 
v[-1] # in R: removes the element with that index 
     # in Python: gives me the last element in the array 

¿Hay alguna otra falla que deba vigilar?

Answer 1

Habiendo escrito decenas de miles de líneas de código en ambos idiomas, R es simplemente mucho más idiosincrásico y menos consistente que Python. Es realmente bueno hacer tramas e investigaciones rápidas en un conjunto de datos de tamaño pequeño a mediano, principalmente porque su objeto de marco de datos integrado es más bonito que el equivalente numpy/scipy, pero encontrarás todo tipo de rarezas a medida que haces cosas más complicadas que uno liners. Mi consejo es usar rpy2 (que lamentablemente tiene una interfaz de usuario mucho peor que su predecesor, rpy) y hacer lo menos posible en R con el resto en Python.

Por ejemplo, consideremos el siguiente código de la matriz:

> u = matrix(1:9,nrow=3,ncol=3) 
> v = u[,1:2] 
> v[1,1] 
[2] 1 
> w = u[,1] 
> w[1,1] 
Error in w[1, 1] : incorrect number of dimensions 

¿Cómo que no? El motivo es que si selecciona una submatriz de una matriz que tiene solo una columna a lo largo de un eje determinado, R "amablemente" descarta esa columna y cambia el tipo de la variable. Así que w es un vector de enteros en lugar de una matriz:

> class(v) 
[1] "matrix" 
> class(u) 
[1] "matrix" 
> class(w) 
[1] "integer" 

Para evitar esto, es necesario pasar realmente un parámetro clave extrañas:

> w2 = u[,1,drop=FALSE] 
> w2[1,1] 
[3] 1 
> class(w2) 
[1] "matrix" 

Hay un montón de rincones y grietas por el estilo. Su mejor amigo al principio será la introspección y herramientas de ayuda en línea como str, class, example, y por supuesto help. Además, asegúrese de mirar el código de ejemplo en el R Graph Gallery y en el libro de Ripley Modern Applied Statistics with S-Plus.

---

EDITAR: Este es otro gran ejemplo con factores.

> xx = factor(c(3,2,3,4)) 
> xx 
[1] 3 2 3 4 
Levels: 2 3 4 
> yy = as.numeric(xx) 
> yy 
[1] 2 1 2 3 

Holy cow! Convertir algo de un factor a un valor numérico no hizo la conversión que creías que sería. En cambio, lo hace en el tipo interno enumerado del factor. Esta es una fuente de errores difíciles de encontrar para las personas que no están al tanto de esto, porque todavía está volviendo enteros y de hecho realmente funcionará algunos del tiempo (cuando la entrada ya está ordenada numéricamente).

Esto es lo que realmente necesita hacer

> as.numeric(levels(xx))[xx] 
[1] 3 2 3 4 

Sí, claro, ese hecho es en la página factor ayuda, pero sólo aterrizar allí cuando se ha perdido un par de horas a este error. Este es otro ejemplo de cómo R no hace lo que pretende. Tenga mucho cuidado con cualquier cosa que implique conversiones de tipo o acceda a elementos de matrices y listas.

Answer 2

Puede haber ... pero antes de embarcarse, ¿ha probado alguna de las extensiones de Python disponibles? Scipy tiene una lista.

Answer 3

Esto no es abordar específicamente el Python vs R fondo, pero el R inferno es un gran recurso para los programadores que vienen a R.

Answer 4

La respuesta aceptada para este post es, posiblemente, un poco anticuado. La biblioteca de Python Pandas ahora ofrece una increíble compatibilidad con DataFrame tipo R.