注 <- 對應(yīng)R， = 對應(yīng)Python

1. R語言基本數(shù)據(jù)結(jié)構(gòu)是向量，支持向量化操作。Python不支持向量化
2. R和Python都是面向?qū)ο缶幊痰恼Z言。所以不同的類都各自的方法

R的向量矩陣數(shù)組與Python的列表

R語言的核心是向量，向量內(nèi)的數(shù)據(jù)類型必須相同，也就是mode只會輸出一個結(jié)果，如果向量里存在不同數(shù)據(jù)類型，那么R會以數(shù)據(jù)損失最小的轉(zhuǎn)換方法讓最后結(jié)果保持一致。
比如說：

a <- c(1,2,3,4,5)
b <- c(1,2,'3',4, True)

a和b的mode肯定是不同，mode(a)的結(jié)果是numeric, mode(b)結(jié)果會是character.

R語言里的所有函數(shù)就支持向量化操作, 比如說數(shù)學(xué)運(yùn)算符和各類函數(shù)

a + 1
[1] 2 3 4 5

R語言里面是沒有標(biāo)量的，標(biāo)量被R當(dāng)作一個元素的向量。Python里面的數(shù)據(jù)類型是可以單個存放的。所以從輸出結(jié)果長的像角度上，Python和R語言的向量看起來相同的數(shù)據(jù)結(jié)構(gòu)應(yīng)該是列表(list)。list在Python里面序列類型，同類型的還有元祖（tuple）和范圍(range)

a = [1,2,3,4,'b']

不過只是在結(jié)構(gòu)上看起來相似，Python不支持向量化操作，所以企圖直接a+1是會出錯的，即便里面都是數(shù)值型數(shù)據(jù)

a = [1,2,3,4,5]
a + 1
# TypeError: can only concatenate list (not "int") to list
a + ['b','c']
# [1, 2, 3, 4, 5, 'b', 'c']

就我目前的眼界，能想到實現(xiàn)R語言那樣的整體運(yùn)算，在Python里面就是列表推導(dǎo)式了。

[i + 2 for i in a]

既然長的像，所以就要看看有哪些運(yùn)算是共同的。

取值

雖然Python和R都可以用[]從數(shù)據(jù)結(jié)構(gòu)中提取數(shù)據(jù)，但還是有很大區(qū)別。最最要的一個區(qū)別就是Python從0開始下標(biāo)， R從1開始下標(biāo)。

一維數(shù)據(jù)

提取一元數(shù)據(jù)時，如果只提取一個數(shù)據(jù)兩者差不多是相同的；

# 提取第一個元素
## R
a <- c(1,2,3,4,5,6)
a[1]
## Python
a = [1,2,3,4,5,6]
a[0]

如果要提取多個數(shù)據(jù)就存在差異了。比如說Python就只能選取連續(xù)的幾個值，要么分別取值。R語言可以在[]中提供一組包含位置信息的向量。R語言的[]可以存放Boolean向量，Python里面就需要用列表推導(dǎo)式，循環(huán)進(jìn)行邏輯比較。

# R
a[c(1,3)]
a[which(a > 2)]
a[ a > 1 & a < 4]

# Python
a[1];a[3]
[i for i in a if i >1 and i <4]

但是一般而言，我們也不會專門選擇幾個數(shù)值，基本都是根據(jù)邏輯判斷結(jié)果選擇一組符合要求的數(shù)據(jù)。

多維數(shù)據(jù)

R語言的矩陣和數(shù)組結(jié)構(gòu)有專門的結(jié)構(gòu)，matrix和array，但是基礎(chǔ)還是向量。在Python里則是通過列表嵌套的方式實現(xiàn)。

# R matrix 看作三個向量按列排
mdat <- matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE,
               dimnames = list(c("row1", "row2"),
                               c("C.1", "C.2", "C.3")))

# Python matrix
 a= [[1,2,3],[4,5,6]]

# R 三維數(shù)組
d3 <- array(1:24, c(2,3,4))
# Python三維數(shù)組
d3 = [[[1,3,5],[2,4,6]],[[7,9,11],[8,10,12]],[[19,21,23],[20,22,24]]]

多維數(shù)據(jù)的提取和賦值也是有不大不小的區(qū)別,一個是[x,y,z],一個是[z][y][x]。R從里到外，Python從外到里（我是這樣理解的）。嘗試分別從Pyhon和R里面提取同一個數(shù)據(jù)

# R
d3[1,2,2]
d3[1,2,2] <- 0
# Python
d3[1][0][1]
d3[1][0][1] <- 0

如果想提取全部第二維度的數(shù)據(jù)

# R
d3[,,2]
# Python
d3[1]

函數(shù)

在函數(shù)用法上，兩者的差異就真的是很大了。結(jié)果就是有段時間只用R，然后按照R的習(xí)慣用Python，基本上都出error。比如說對剛才的三維數(shù)據(jù)求和

# R
sum(d3)
# Ptyhon
sum(d3)
TypeError: unsupported operand type(s) for +: 'int' and 'list'

原因是R里面是向量化操作，直接對所有元素進(jìn)行運(yùn)算。在Python里面，sum函數(shù)會對list里面的各個元素進(jìn)行求和, 而d3的內(nèi)一層還是一個列表，所以就會出錯了。
最直觀的方法就是看看R和Python的多維數(shù)組的元素數(shù)量：

# R
length(d3) 
24
# Python
len(d3); d3.__len__()
3

因此R和Python的函數(shù)只能在一維上存在相似性，超過一維基本用一個錯一個。

Python作為一門面向?qū)ο缶幊陶Z言，對于每一種列都有專門的方法，這個方法可以用dir()進(jìn)行查看。

在R里面dir()是用來查看當(dāng)前目錄下的文件。

dir(list)
['__add__', '__class__','__contains__',
 '__delattr__', '__delitem__', '__dir__', '__doc__',
 '__eq__', '__format__',  '__ge__', '__getattribute__',
 '__getitem__', '__gt__', '__hash__', '__iadd__',
 '__imul__', '__init__',  '__init_subclass__',
 '__iter__', '__le__',  '__len__', '__lt__',
 '__mul__', '__ne__',  '__new__', '__reduce__',
 '__reduce_ex__', '__repr__',  '__reversed__', '__rmul__',
 '__setattr__', '__setitem__',  '__sizeof__', '__str__',
 '__subclasshook__',  'append', 'clear',
 'copy',  'count', 'extend',
 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

所以Python里面經(jīng)常會遇到d3.pop()這種調(diào)用類方法的形式。在R語言里則是函數(shù)的多態(tài)性，prin是其中一個多態(tài)性函數(shù)，它提供了一個接口，根據(jù)輸入數(shù)據(jù)類型調(diào)用相應(yīng)的函數(shù)

# R
print
# function (x, ...) 
# UseMethod("print")
# <bytecode: 0x000000001456fbf0>
# <environment: namespace:base>

可以用methods(print)看具體有那些具體函數(shù)。