在此總結(jié)一些在數(shù)據(jù)分析/挖掘中可能用到的功能拘哨，方便大家索引或者從一種語言遷移到另一種。當(dāng)然隘庄，這篇博客還會隨時更新（不會另起一篇，為了方便大家索引）街州，請大家如果有需要收藏到書簽中。
如果大家還知道哪些常用的命令，也可以在評論中回復(fù)我趟紊。我可以添加進來，方便更多地人更方便的檢索唧躲。也希望大家可以轉(zhuǎn)載嵌器。
如果大家已經(jīng)熟悉python和R的模塊/包載入方式蚓让，那下面的表查找起來相對方便衷佃。python在下表中以模塊.的方式引用图云，部分模塊并非原生模塊，請使用pip install *安裝丹泉；
同理，為了方便索引泉蝌，R中也以** ::**表示了函數(shù)以及函數(shù)所在包的名字贪磺，如果不含::表示為R的默認包中就有，如含::，請使用install.packages("*")安裝喇喉。
連接器與io
數(shù)據(jù)庫
| 類別 | Python | R |
|---|---|---|
| MySQL | mysql-connector-python(官方) | RMySQL |
| Oracle | cx_Oracle | ROracle |
| Redis | redis | rredis |
| MongoDB | pymongo | RMongo, rmongodb |
| neo4j | py2neo | RNeo4j |
| Cassandra | cassandra-driver | RJDBC |
| ODBC | pyodbc | RODBC |
| JDBC | 未知[Jython Only] | RJDBC |
IO類
| 類別 | Python | R |
|---|---|---|
| excel | xlsxWriter, pandas.(from/to)_excel, openpyxl | openxlsx::read.xlsx(2), xlsx::read.xlsx(2) |
| csv | csv.writer | read.csv(2), read.table |
| json | json | jsonlite |
圖片
PIL, jpeg, png, tiff, bmp
統(tǒng)計類
描述性統(tǒng)計
| 類別 | Python | R |
|---|---|---|
| 描述性統(tǒng)計匯總 | scipy.stats.descirbe | summary |
| 均值 | scipy.stats.gmean(幾何平均數(shù)), scipy.stats.hmean(調(diào)和平均數(shù)), numpy.mean, numpy.nanmean, pandas.Series.mean | mean |
| 中位數(shù) | numpy.median, numpy.nanmediam, pandas.Series.median | median |
| 眾數(shù) | scipy.stats.mode, pandas.Series.mode | 未知 |
| 分位數(shù) | numpy.percentile, numpy.nanpercentile, pandas.Series.quantile | quantile |
| 經(jīng)驗累積函數(shù)(ECDF) | statsmodels.tools.ECDF | ecdf |
| 標準差 | scipy.stats.std, scipy.stats.nanstd, numpy.std, pandas.Series.std | sd |
| 方差 | numpy.var, pandas.Series.var | var |
| 變異系數(shù) | scipy.stats.variation | 未知 |
| 協(xié)方差 | numpy.cov, pandas.Series.cov | cov |
| (Pearson)相關(guān)系數(shù) | scipy.stats.pearsonr, numpy.corrcoef, pandas.Series.corr | cor |
| 峰度 | scipy.stats.kurtosis, pandas.Series.kurt | e1071::kurtosis |
| 偏度 | scipy.stats.skew, pandas.Series.skew | e1071::skewness |
| 直方圖 | numpy.histogram, numpy.histogram2d, numpy.histogramdd | 未知 |
回歸（包括統(tǒng)計和機器學(xué)習(xí)）
| 類別 | Python | R |
|---|---|---|
| 普通最小二乘法回歸(ols) | statsmodels.ols, sklearn.linear_model.LinearRegression | lm, |
| 廣義線性回歸(gls) | statsmodels.gls | nlme::gls, MASS::gls |
| 分位數(shù)回歸(Quantile Regress) | statsmodels.QuantReg | quantreg::rq |
| 嶺回歸 | sklearn.linear_model.Ridge | MASS::lm.ridge, ridge::linearRidge |
| LASSO | sklearn.linear_model.Lasso | lars::lars |
| 最小角回歸 | sklearn.linear_modle.LassoLars | lars::lars |
| 穩(wěn)健回歸 | statsmodels.RLM | MASS::rlm |
假設(shè)檢驗
| 類別 | Python | R |
|---|---|---|
| t檢驗 | statsmodels.stats.ttest_ind, statsmodels.stats.ttost_ind, statsmodels.stats.ttost.paired; scipy.stats.ttest_1samp, scipy.stats.ttest_ind, scipy.stats.ttest_ind_from_stats, scipy.stats.ttest_rel | t.test |
| ks檢驗(檢驗分布) | scipy.stats.kstest, scipy.stats.kstest_2samp | ks.test |
| wilcoxon(非參檢驗烫幕，差異檢驗) | scipy.stats.wilcoxon, scipy.stats.mannwhitneyu | wilcox.test |
| Shapiro-Wilk正態(tài)性檢驗 | scipy.stats.shapiro | shapiro.test |
| Pearson相關(guān)系數(shù)檢驗 | scipy.stats.pearsonr | cor.test |
時間序列
| 類別 | Python | R |
|---|---|---|
| AR | statsmodels.ar_model.AR | ar |
| ARIMA | statsmodels.arima_model.arima | arima |
| VAR | statsmodels.var_model.var | 未知 |
** python還可參見PyFlux.**
生存分析
| 類別 | Python | R |
|---|---|---|
| PH回歸 | statsmodels.formula.api.phreg | 未知 |
專門分析的模塊：Python: Lifelines
機器學(xué)習(xí)類
回歸
參見統(tǒng)計類
分類器
LDA捷犹、QDA
| 類別 | Python | R |
|---|---|---|
| LDA | sklearn.discriminant_analysis.LinearDiscriminantAnalysis | MASS::lda |
| QDA | sklearn.discriminant_analysis.QuadraticDiscriminantAnalysis | MASS::qda |
SVM(支持向量機)
| 類別 | Python | R |
|---|---|---|
| 支持向量分類器（SVC） | sklearn.svm.SVC e1071::svm | |
| 非支持向量分類器（nonSVC） | sklearn.svm.NuSVC | 未知 |
| 線性支持向量分類器(Lenear SVC) | sklearn.svm.LinearSVC | 未知 |
基于臨近
| 類別 | Python | R |
|---|---|---|
| k-臨近分類器 | sklearn.neighbors.KNeighborsClassifier | 未知 |
| 半徑臨近分類器 | sklearn.neighbors.RadiusNeighborsClassifier | 未知 |
| 臨近重心分類器(Nearest Centroid Classifier) | sklearn.neighbors.NearestCentroid | 未知 |
貝葉斯
| 類別 | Python | R |
|---|---|---|
| 樸素貝葉斯 | sklearn.naive_bayes.GaussianNB | e1071::naiveBayes |
| 多維貝葉斯(Multinomial Naive Bayes) | sklearn.naive_bayes.MultinomialNB | 未知 |
| 伯努利貝葉斯(Bernoulli Naive Bayes) | sklearn.naive_bayes.BernoulliNB | 未知 |
決策樹
| 類別 | Python | R |
|---|---|---|
| 決策樹分類器 | sklearn.tree.DecisionTreeClassifier | tree::tree, party::ctree |
| 決策樹回歸器 | sklearn.tree.DecisionTreeRegressor | tree::tree, party::tree |
Assemble方法
| 類別 | 子類別 | Python | R |
|---|---|---|---|
| Bagging | 隨機森林分類器 | sklearn.ensemble.RandomForestClassifier | randomForest::randomForest,party::cforest |
| Bagging | 隨機森林回歸器 | sklearn.ensemble.RandomForestRegressor | randomForest::randomForest,party::cforest |
| Boosting | Gradient Boosting | xgboost模塊 | xgboost包 |
| Boosting | AdaBoost | sklearn.ensemble.AdaBoostClassifier | adabag蔑舞、fastAdaboost攻询、ada |
| Stacking | 未知 | 未知 | 未知 |
聚類
| 類別 | Python | R |
|---|---|---|
| kmeans | scipy.cluster.kmeans.kmeans | kmeans::kmeans |
| 分層聚類 | scipy.cluster.hierarchy.fcluster | (stats::)hclust |
| 包聚類(Bagged Cluster) | 未知 | e1071::bclust |
| DBSCAN | sklearn.cluster.DBSCAN | dbscan::dbsan |
| Birch | sklearn.cluster.Birch | 未知 |
| K-Medoids聚類 | pyclust.KMedoids(可靠性未知) | cluster.pam |
關(guān)聯(lián)規(guī)則
| 類別 | Python | R |
|---|---|---|
| apriori算法 | apriori(可靠性未知拯杠，不支持py3), PyFIM(可靠性未知，不可用pip安裝) | arules::apriori |
| FP-Growth算法 | fp-growth(可靠性未知，不支持py3), PyFIM(可靠性未知誓沸，不可用pip安裝) | 未知 |
神經(jīng)網(wǎng)絡(luò)
| 類別 | Python | R |
|---|---|---|
| 神經(jīng)網(wǎng)絡(luò) | neurolab.net, keras.* | nnet::nnet, nueralnet::nueralnet |
| 深度學(xué)習(xí) | keras.* | 不可靠包居多以及未知 |
當(dāng)然，theano模塊值得一提垦页，但本質(zhì)theano包的設(shè)計并非在神經(jīng)網(wǎng)絡(luò)，所以不歸于此類薄啥。
概率圖模型
python: PyMC3
文本、NLP
基本操作
| 類別 | Python | R |
|---|---|---|
| tokenize | nltk.tokenize(英), jieba.tokenize(中) | tau::tokenize |
| stem | nltk.stem | RTextTools::wordStem, SnowballC::wordStem |
| stopwords | stop_words.get_stop_words | tm::stopwords, qdap::stopwords |
| 中文分詞 | jieba.cut, smallseg, Yaha, finalseg, genius | jiebaR |
| TFIDF | gensim.models.TfidfModel | 未知 |
主題模型
| 類別 | Python | R |
|---|---|---|
| LDA | lda.LDA, gensim.models.ldamodel.LdaModel | topicmodels::LDA |
| LSI | gensim.models.lsiModel.LsiModel | 未知 |
| RP | gensim.models.rpmodel.RpModel | 未知 |
| HDP | gensim.models.hdpmodel.HdpModel | 未知 |
** 值得留意的是python的新第三方模塊滤钱，spaCy **
與其他分析/可視化/挖掘/報表工具的交互
| 類別 | Python | R |
|---|---|---|
| weka | python-weka-wrapper | RWeka |
| Tableau | tableausdk | Rserve(實際是R的服務(wù)包) |
PS: 原網(wǎng)址已經(jīng)丟失掰曾，找到后會第一之間更新轉(zhuǎn)載地址
