Rpy2、pyrserve和PypeR如何比较？

Question

我想从Python程序中访问R。我知道Rpy2、pyrserve和PypeR。

这三个选项的优点或缺点是什么？

Answer 1

我知道三个中的一个比其他的更好，但按照问题中给出的顺序：

rpy2：

Python和R (R作为嵌入式进程运行)之间的

• C级接口无需复制data over
• Conversely，即可显示给Python的
• R对象Python数组可以暴露给R，而无需对低级接口(接近R C-
• )和高级接口(对于矢量和数组的convenience)
• In-place修改)进行复制，可以在Python
• Possible中实现
• R回调函数，以拥有带有Python标签的匿名R对象
• Python pickling possible
• Full通过其控制台自定义R的行为(因此可以在有限支持的情况下实现完整的R GUI)
• MSWindows

pyrserve：

• 原生Python代码(将/应该/可能与链接到远程计算和RServe

的CPython、Jython、IronPython)

• use R的Rserve

• advantages和不便一起使用

派珀：

• 原生Python代码(将/应该/可能与CPython、Jython、IronPython一起使用)
• 使用管道使Python与R进行通信(与之相关的优点和不便之处)

编辑: Windows对rpy2的支持

Answer 2

来自Journal of Statistical Software on PypeR上的论文

RPy提供了一种从Python访问R的简单而有效的方法。这个包允许Python程序将基本数据类型的Python对象传递给R函数，并在Python对象中返回结果。对于Python和R频繁交互的情况，这些特性使其成为一个有吸引力的解决方案。但是，这个包仍然有一些限制，如下所示。

性能：

对于大型数据集或计算密集型任务，RPy的表现可能不是很好。在生成R数据的Python副本时，不可避免地会消耗大量时间和内存，因为在每一轮对话中，RPy都会将R表达式的返回值转换为基本类型的Python对象或NumPy数组。RPy2是RPy最近开发的一个分支，它使用Python对象来引用R对象，而不是将它们复制回Python对象。此策略避免了频繁的数据转换，并提高了速度。然而，内存消耗仍然是一个问题。..。当我们实现WebArray时(Xia等人。2005)，一个用于微阵列数据分析的在线平台，如果通过RPy运行R而不是通过R的命令行用户界面，一个作业大约多消耗四分之一的计算时间。因此，我们决定在随后的开发中通过管道运行Python语言中的R，例如WebArrayDB (Xia et al.2009)，它保持了与独立运行R时相同的性能。我们不知道造成这种性能差异的确切原因，但我们注意到RPy直接使用R的共享库来运行R脚本。相反，通过管道运行R意味着直接运行R解释器。

内存：

R因其不经济地使用内存而受到谴责。删除大型R对象后，这些对象所使用的内存很少被释放。有时，从R释放内存的唯一方法是退出R。RPy模块将R包装在Python对象中。但是，即使删除了Python对象，R库也会保留在内存中。换句话说，R使用的内存只有在宿主Python脚本终止后才能释放。

可移植性：

作为一个用C语言编写的扩展模块，RPy源包必须在POSIX (Portable Operating System Interface for Unix)系统上使用特定的R版本进行编译，并且R必须在启用共享库的情况下编译。此外，Windows的二进制发行版被绑定到不同版本的Python/R的特定组合上，因此用户很难找到适合其软件环境的发行版。

Answer 3

在pyper中，我不能使用assign()将大矩阵从python传递给r实例。但是，我对rpy2没有意见。这只是我的经验。