Rpy2的操作限制是什么？
我会一些基础的Python编程，所以想继续在Python的数据科学领域发展。问题是，有很多R语言的包对我这个社会科学的人很有吸引力。
Rpy2能否让我完全使用任何一般的R包，还是说有什么限制？在实际使用中效果如何？
如果Rpy2的功能太有限，我可能不得不转到R语言，但我不太想这样，因为这样会增加额外的负担。
谢谢！
2 个回答
我建议你使用 RPy2 和 IPython 的 %rmagic 功能。
不过，RPy2 并不是把 R 的统计函数库直接搬到 Python 里。它其实是一个简单的方法，可以让你在 Python 中调用 R（后台会启动一个 R 解释器）。你可以在 R 和 Python 之间传递一些基本的数据结构（比如 numpy 数组等），但一些更复杂的结构（比如 R 的 zoo 或 xts 对象）可能会出现问题。
最后，你还是需要了解 R 的语法等知识才能使用 RPy2。在 Python 中与 R 对象互动是很不错，但你仍然需要对 R 对象有很多了解。
让我们来看看这些假设的限制。
Rpy2在底层（也就是rpy2.rinterface这一层）实际上暴露了R语言的一个很大部分C接口。简单来说，使用rpy2可以做的事情比直接在R中做的还要多（如果想要追赶的话，可能只有写R的C扩展才能做到）。有趣的是，从rpy2中做“R的事情”有时比直接在R中做要快（你可以查看rpy2的文档，里面有关于访问R向量元素的性能对比）。
在rpy2的更高层（rpy2.robject这一层），增加了一层使得“做R的事情”变得更像Python的方式（虽然这样可能会牺牲上面提到的性能）。R的包看起来就像Python的模块，有一些类，比如Formula、Factor等，让所有的R对象都能作为Python类来使用，还有一个转换系统，可以让复杂的R结构自动映射到Python对象（你可以在rpy2的文档中看到关于lme4的例子），同时可以即时转换无效的R变量名（在R中，'.'是一个有效的变量名字符），还可以根据R文档即时生成Python的文档字符串。