rpy2代码求值方法的区别

Question

rpy2可以用两种不同的方法计算R代码：

方法A-将字符串计算为R代码

import rpy2.robjects as rob
rcode = '''
print(summary(mtcars))
'''
rob.r(rcode)

方法B-通过python对象计算R代码

import rpy2.robjects as rob
rsummary = rob.r['summary']
mtcars = rob.r('mtcars')
print rsummary(mtcars)

rpy2 documentation警告不要使用方法A，因为“对大型对象执行此操作可能不是对计算能力的最佳利用。“为什么？是否有已知的基准？你知道吗

我更喜欢方法A，因为它对我来说更容易理解，它使两种语言保持分离，而且我可以只填充现有的R代码片段。然而，我想知道更多关于我将要牺牲什么，走这条路。对此有任何见解都将不胜感激。你知道吗

Answer 1

如果您在python中没有任何数据，这一切都归结为处理数据，请务必使用方法A

方法A相当于使用子进程运行R。想象一下，使用python创建一个文件script.R，然后运行该脚本，在开始处理大量数据之前，这一切都可以正常工作。你知道吗

举个例子：

from rpy2 import robjects as ro
import numpy
data = numpy.random.random(1000)

现在在python中有了一个包含1000个元素的向量，如果你想在R中使用它，你必须转换它。您的方法A将产生如下结果：

vecstr = "c({})".format(",".join(map(str, data)))
cmd = 'hist({},xlab="val", ylab="count", main="")'.format(vecstr)
ro.r(cmd)

其中len(cmd)>15000。最好将所有内容都写入一个文件，然后单独调用R脚本（如上所述，使用python的subprocessing模块）。或者，您可以这样做，如方法B：

ro.r.hist(ro.FloatVector(data), xlab="val", ylab="count", main="")

如果向量的长度是100万而不是1000，那么它就不会有问题。你知道吗

关于效率问题：

In [29]: data1 = numpy.random.random(1000)

In [30]: data2 = numpy.random.random(1000)

In [31]: %%timeit
   ....: ro.r.cor(ro.FloatVector(data1), ro.FloatVector(data2))[0]
   ....: 
1000 loops, best of 3: 1.01 ms per loop

In [32]: %%timeit
   ....: vec1str = "c({})".format(",".join(map(str, data1)))
   ....: vec2str = "c({})".format(",".join(map(str, data2)))
   ....: ro.r("cor({},{})".format(vec1str, vec2str))
   ....: 
100 loops, best of 3: 5.86 ms per loop

对于一个简单的玩具示例，它没有做很多工作，而且数据集相对较小，不转换为字符串的速度似乎要快5-6倍。你知道吗