从R调用Python

概述

这个网状的包提供了一个R接口Python模块、类和函数。例如，此代码导入Python操作系统模块并调用其中的一些函数它：

图书馆（网状）
操作系统<- 进口(“操作系统”)
操作系统$列表目录(".")

[1] “.git”“.gitignore”“.Rbuildignore”“.RData”[5] “.Rhistory”“.Rproj.user”“.travis.yml”“appveyor.yml”[9] “DESCRIPTION”“docs”“external”“index.html”[13] “index.Rmd”“inst”“发布”“LICENSE”“[17] “man”“NAMESPACE”“NEWS.md”“pkgdown”[21]“R”“README.md”“reticulate.Rproj”“src”[25]“测试”“想定案例”

Python模块和类中的函数和其他数据可以是通过访问$操作符（类似于与R列表、环境或引用类交互）。

这个网状的包与所有Python版本>=2.7。与NumPy集成是可选的需要NumPy>=1.6。

Python版本

默认情况下，reticulate使用您的路径（即Sys.which（“python”）). 这个use_python（）函数允许您指定备用版本，例如：

图书馆（网状）
使用python(“/usr/local/bin/python”)

这个use_virtualenv（）和use_condaenv（）函数使您能够在virtual或conda中指定Python的版本环境，例如：

图书馆（网状）
使用虚拟机(“梅耶夫”)

请参阅上的文章Python版本配置了解更多详细信息。

Python包

您可以使用标准shell安装任何必需的Python包工具，如管道和康达。或者，reticulate包含一组用于管理和安装的功能virtualenvs和Conda环境中的包。请参阅上的文章正在安装Python包了解更多详细信息。

类型转换

调用Python时，R数据类型自动转换为它们的等效Python类型。当值从Python返回到R时它们被转换回R类型。类型转换如下：

如果返回自定义类的Python对象，则返回R引用返回到该对象。您可以调用方法和访问属性就像它是R引用类的实例一样。

导入模块

这个导入（）函数可用于导入任何Python模块。例如：

difflib<- 进口(“difflib”)
difflib$ndiff公司（foo，bar）

文件cmp<- 进口(“文件cmp”)
文件cmp$化学机械抛光（目录1，目录2）

这个import_main（）和import_builtins（）函数使您可以访问执行代码的主模块默认值和内置Python函数的集合。对于例子：

主要的<- import_main（导入_主）()

内置<- 导入内置项()
内置$打印(“foo”)

如果您执行了Python代码，那么主模块通常很有用并希望访问其结果（请参见有关更多详细信息，请参阅下面的部分）。

寻找脚本

这个source_python（）函数将源代码为Python脚本并使其创建的对象在R环境中可用（通过默认调用环境）。例如，考虑以下内容Python脚本：

定义添加（x，y）：
  返回x个+年

我们使用source_python（）函数，然后可以调用添加（）直接来自R的功能：

源python('添加.py')
添加(5,10)

[1] 15

正在执行代码

您可以使用副本文件（_R）和py_运行_字符串功能。你然后可以访问使用第页对象由reticulate出口：

图书馆（网状）

py_运行文件(“script.py”)

py_运行_字符串(“x=10”)

#通过“py”对象访问python主模块
第页$x个

对象转换

默认情况下，当Python对象返回到R时，它们将被转换对应的R型。然而，如果您愿意进行转换默认情况下，从Python到R显式并处理本机Pythons对象你可以通过convert=假到进口功能。在这种情况下，Python到R的转换将被禁用模块返回自进口。例如：

#导入numpy并指定无自动Python到R转换
净现值<- 进口(“numpy”,转换= 错误的)

#使用NumPy进行一些数组操作
一<-净现值$阵列(c（c）(1:4))
总和<-一$累加()

#在末尾显式转换为R
py_to_r（总和）

如上所示，如果您需要在结束时访问R对象您可以调用py_to_r（）功能明确地。

获取帮助

您可以使用py_help（）功能。例如：

操作系统<- 进口(“操作系统”)
py_help（_H）（操作系统$chdir）

列表、元组和字典

R类型到Python类型的自动转换在大多数情况下，但有时您需要在R上更明确side提供Python所需的类型。

例如，如果Python API需要一个列表，并且您传递了一个元素R向量，它将被转换为Python标量。克服这只需使用R列表函数明确：

foo公司$酒吧(索引= 列表(42L（左）))

类似地，Python API可能需要元组相当地而不是列表。在这种情况下，您可以使用元组（）功能：

元组(“a”,“b”,“c”)

R命名列表被转换为Python字典，但您可以还使用dict（）功能：

字典(foo公司= “酒吧”,索引= 42L（左）)

如果需要传递使用更复杂的对象（相对于字符串）作为其键。

数字类型和索引

R和Python有不同的默认数字类型。如果你写42在R中，它被视为浮点数，而42在Python中被视为整数。

这意味着当Python API需要整数时，您需要一定要使用L（左）后缀在R中。例如，如果foo公司函数需要一个整数作为其指数你会这样做：

foo公司$酒吧(索引= 42L（左）)

Python集合使用基于0的索引进行寻址，而不是从R中您可能熟悉的基于1的指数。为了解决您将在R中写入数组的第一项：

个项目[[1]]

然而，如果您通过网状结构调用Python中的方法取一个索引，你可以写下它来处理第一项：

项目$得到(0L（左）)

请注意基于0的索引以及L（左）到指示t该值是一个整数。

阵列

R矩阵和数组自动转换为数字Py数组。

从R转换为NumPy时，直接映射NumPy数组到R数组的底层内存（不进行复制）。在这种情况下，NumPy数组使用兼容的基于列的内存布局使用R（即Fortran样式而不是C样式）。从转换时NumPy到R，R接收NumPy数组的按列排序的副本。

您还可以使用np_array（）功能。例如，如果您需要使用C而不是Fortran样式创建NumPy数组内存中布局（在面向行的计算中实现更高的性能）或者如果您想更多地控制NumPy数组的数据类型明确地。以下是一些示例用法np_array（）:

一<- np_阵列(c（c）(1:8),数据类型= “浮点16”)
一<- np_阵列(c（c）(1:8),订单= “C”)

关于使用不同内存顺序的数组的推理可以是很棘手。这个R和Python中的数组文章提供了其他详细信息。

另外，请记住，在调用NumPy方法数组索引时基于0而不是1，并且需要L（左）后缀到表示它们是整数。

数据帧

R数据帧可以自动转换为熊猫数据帧。默认情况下，使用控制R数组的相同规则转换列NumPy数组转换，但提供了几个扩展：

如果R数据帧具有行名称，则生成的Pandas DataFrame将使用这些行名称重新标识（反之亦然）。特殊也可用于日期时间索引相关使用Pandas DataFrame；然而，因为R只支持字符行名称的向量首先转换为字符。

数据流<- 数据帧(
  整数= c（c）(纳,1:4),
  num个= c（c）(纳,rnorm公司(4)),
  lgl公司= c（c）(纳,代表(c（c）(真的,错误的),2)),
  字符串= c（c）(纳，个字母[1:4])
)
选项(网状.pandas_use_nullable_data_types= 真的)
收件人（_to）（df）
#>int num lgl字符串
#>0<NA><NA><NA><NA>
#>1 1-0.697855 True真
#>2 2-0.253042假b
#>3 3 0.385421真c
#>4 4 0.519933假d

稀疏矩阵

稀疏矩阵由创建矩阵R包可以转换Scipy公司CSC矩阵反之亦然。当您想将稀疏矩阵传递给接受Scipy CSC矩阵的Python函数利用这种格式，例如高效的列切片和快速矩阵向量乘积。

例如，我们首先使用矩阵：：稀疏矩阵（）:

库（矩阵）N<-5dgc_矩阵<-稀疏矩阵(i=样品（N，N），j=样品（N，N），x=运行（N），dims=c（N，N））

稀疏矩阵如下所示：

>dgc矩阵“dgCMatrix”类的5 x 5稀疏矩阵[1,] 0.2264952 .          .          .         .        [2,] .         .          .          .         0.3927282[3,] .         .          .          0.9215908 .        [4,] .         .          0.01777771 .         .        [5,] .         0.05885743 .          .         .

让我们使用将其转换为Scipy CSC矩阵r_to_py（）:

>csc矩阵<-r-to_py（x）>csc矩阵(0, 0)    0.226495201467(4, 1)    0.0588574311696(3, 2)    0.0177777127828(2, 3)    0.921590822982(1, 4)    0.392728160601

请注意，右侧包含矩阵，而左侧表示它们在矩阵。

我们还可以使用py_to_r（）将CSC矩阵转换回到矩阵：：dgC矩阵然后可以在与原始稀疏矩阵相同的R中易于操作我们之前使用创建的矩阵：：稀疏矩阵（）:

>py_to_r（csc矩阵）“dgCMatrix”类的5 x 5稀疏矩阵[1,] 0.2264952 .          .          .         .        [2,] .         .          .          .         0.3927282[3,] .         .          .          0.9215908 .        [4,] .         .          0.01777771 .         .        [5,] .         0.05885743 .          .         .

带上下文

R具有泛型函数可用于与Python上下文管理器对象具有关键字进行相同操作）。例如：

第页<- 导入内置项()
具有（第页$打开(“output.txt”,“w”)%作为%文件{
文件$写(“你好！”)
})

此示例打开一个文件并确保其自动关闭位于with块的末尾。注意使用%作为%运算符对上下文管理器创建的对象进行别名。

遍历器

如果Python API返回迭代器或生成器，则可以进行交互使用迭代（）功能。这个迭代（）函数可用于将R函数应用于迭代器生成的每个项：

迭代（iter，打印）

如果不将函数传递给迭代结果将收集到R矢量中：

结果<- 迭代（iter）

请注意遍历器将耗尽其价值通过迭代（）:

一<- 迭代（iter）#结果不为空
b条<- 迭代（iter）#结果为空，因为项目已被清空

虽然(真的) {
项目<- iter_next（_N）（iter）
  如果(is.完整（项目）
    打破
}

虽然(真的) {
项目<- iter_next（_N）（iter、，已完成= 纳)
  如果(国际标准编号（项目）
    打破
}

#定义生成器函数
序列生成器<-功能（开始）{
价值<-开始
  功能() {
价值<<-价值+ 1
价值
}
}

#将函数转换为python迭代器
国际单位<- py_致畸剂(序列生成器(10))

序列生成器<-功能（开始）{
价值<-开始
  功能() {
价值<<-价值+ 1
    如果（值< 100)
价值
    其他的
      无效的
}
}

功能

>检查<- 进口(“检查”)
>已转换的func<- 收件人（_to）(功能（a），b条= 1.5) {})
>检查$获取argspec（已转换为func）
ArgSpec标准(参数=[],变量='参数',关键字=“夸格斯”,默认值=无）

>包装func<- 副本（_F）(功能（a），b条= 1.5) {})
>检查$获取argspec（wrapped_func）
ArgSpec标准(参数=[“a”,“b”],变量=无，关键字=无，默认值=(1.5,))

高级

有几个更高级的功能可用主要是在为Python创建高级R接口时库。

了解更多信息

以下文章涵盖了使用的其他方面网状的:

• R降价Python引擎

• Python版本配置

• 安装Python包装

• 在R中使用网状结构包裹

• R和Python中的数组