R用户的Numpy?

R在寻找一个进行机器学习和统计的环境时的优势无疑是它的库的多样性。据我所知,SciPy+scikets不能替代CRAN。

关于内存使用,R使用的是pass-by-value范式,而Python使用的是pass-by-reference。传递值可以产生更“直观”的代码,传递引用可以帮助优化内存使用。Numpy还允许在数组上有“视图”(类似于没有复制的子数组)。

就速度而言,对于访问数组中的单个元素,纯Python比纯R快,但是在处理numpy数组时,这种优势就消失了( benchmark ). 幸运的是,Cython让一个人很容易得到严重的速度改善。

如果使用大数据,我发现使用Python(HDF5)可以更好地支持基于存储的阵列。

我每天都用NumPy和R。

对于繁重的数字运算,我更喜欢NumPy而不是R(包括R包,比如‘Matrix’)。我发现语法更干净,函数集更大,计算速度更快(尽管我并不觉得R慢)。例如NumPy的广播功能,我认为R中没有类似的功能。

例如,要从csv文件读入数据集并“规范化”它以输入到ML算法(例如,平均中心然后重新缩放每个维度),只需要以下步骤:

data = NP.loadtxt(data1, delimiter=",")    # 'data' is a NumPy array
data -= NP.mean(data, axis=0)
data /= NP.max(data, axis=0)

另外,我发现在编写ML算法时,我需要能够对元素进行操作并且也能理解线性代数的数据结构(例如,矩阵乘法、转置等)。NumPy可以很容易地创建这些混合结构(没有操作符重载或子类化等)。

所以,有几点建议——总体上,特别是,考虑到你问题中的事实:

• 安装NumPy和Scipy . 作为一个粗略的指南,NumPy提供了 核心数据结构(尤其是 ndarray)和SciPy(这是 实际上比

• 安装存储库版本 尤其是w/r/t NumPy,因为 易于安装

• NumPy/SciPy有几个 modules 专门针对机器 学习/统计,包括 聚类 统计 包裹。

• 一般计算,但是 尤其是速度更快, 优化 和 线性代数

• SciKit s , 不 SciPy库;您需要单独安装它们。 一套方便包装 安 (近似近邻),以及 学习

我不能评论R,但这里有几个关于Numpy/Scipy和ML的链接:

• array tip sheet
• array indexing ,在 Scipy cookbook
• scikits.learn
• pystatsmodels group

还有一本书(我只看过它的一些 code ):

如果你能在Numpy/Scipy学习曲线上收集一些你的经验笔记, 这可能对其他人有用。