R和 Python 用于统计学分析，哪个更好

Posted 2023-03-23

根据我的使用经验，我认为一般性的科研可以使用numpy工具链做为主力。

首先，在写矩阵计算相关的语句时，numpy的语法几乎能逼近MATLAB的简洁程度，而其他语言相对来说稍微“难看、难写”一些。

其次，当程序不仅仅涉及到科学计算时，用Python就可以大发神威了。比如我自己遇到的一个实际问题：需要对点云进行一些非常复杂的优化操作，之后需要画出三维图且支持一些拉近拉远转视角的操作，并且还要做出一个不错的界面方便调整参数、载入数据等等。看到画三维点云的第一反应就是用OpenGL，但是使用C/C++写那些非常繁杂的数值优化...用MATLAB可以很舒服、很便捷地写出优化部分的代码，但是直接画大规模的三维点云的速度，以及它那令人忧伤的GUI...
那Python就行吗？是的。在数值计算方面，Numpy/Scipy，以及强大的机器学习包scikit.learn，让这个过程十分惬意。在画三维点云方面，PyOpengl包完全就是OpenGL的Python封装，速度非常快，而且语法几乎同OpenGL一样。最后，使用PyQt写出基于Qt的GUI，这至少是一个标准的完备的GUI包，外观功能都不错。最后的最后，这个程序不需改动就可以跨平台运行，只要Linux/Windows用户按照标准过程安装了相应的包就可以使用，不用折腾本地编译之类的事情。

还有一个问题是速度。Windows下使用python(x,y)、Linux下源里默认安装方法的Python链接的都是较慢的Blas/Lapack库，而MATLAB默认链接MKL，所以矩阵计算速度会慢非常多。但是至少在Linux下是很容易让Numpy链接上MKL的，这样的Numpy计算速度与MATLAB几乎相同，所以速度不是严重的问题。也许C++能在循环上秒杀Python，但是如果你涉及到矩阵计算，用的普通的BLAS/LAPACK库，那么在核心的某几步上会慢成渣，从而在总的速度上被Python超越，得不偿失。当然你也可以让C++程序链接上MKL库，但要移植到别的平台又是一番折腾。
最后就是开发环境，个人推荐Eclipse的Pydev，用起来几乎同MATLAB一样，尤其是调试和看变量值方面。

在统计问题方面，用R写起来最舒服，因为包全，这一点Python或者C比不上。而且R也能链接MKL大大加快速度。还有就是，如果你要写统计方面的论文，那论文里的代码用R似乎会“显得”你更“
专业”一些。

上学期有流形学习课，我用scikit.learn包，几乎每次只改一句话就能提交作业（把LLE变成ISOMAP什么的）。还有一门统计学习课，让我深刻感觉到R就是用来写老师布置的ESL后面的那些编程题的，因为那些方法的作者，以及这本书的作者，写的就是R的包。至于大规模计算、实际的大型工程问题，我没有经验，所以不能提供更多信息了。

补充：如果觉得自己链接MKL库编译Numpy和R麻烦的话，Python可以使用Canopy(就是之前的EPD)，R可以使用Revolution R，都是一些商业公司帮配置好的完整发行版，链接了MKL库并支持其他一些特性（例如自带IDE等）。前者各平台都有，后者仅限Windows平台。 参考技术A 这个因人而异，推荐你看篇文章http://www.kdnuggets.com/2015/05/r-vs-python-data-science.html

python 的哪个统计模块支持单向方差分析和事后测试（Tukey、Scheffe 或其他）？

【中文标题】python 的哪个统计模块支持单向方差分析和事后测试（Tukey、Scheffe 或其他）？

【英文标题】：What statistics module for python supports one way ANOVA with post hoc tests (Tukey, Scheffe or other)?

【发布时间】：2013-04-09 14:18:43

【问题描述】：

我已尝试查看 Python 的多个统计模块，但似乎找不到任何支持 one-way ANOVA 事后测试的模块。

【问题讨论】：

TukeyHSD 内置于 R 中。这是否符合您的要求？

statsmodels 在沙盒中有一个tukeyhsd 函数，但我没试过。

我正在寻找相同的功能，我想我会使用 RPy，一个 R 的接口，它看起来像一个魅力！

见scikit-posthocs。

【参考方案1】：

单方面的方差分析可以像这样使用

from scipy import stats
f_value, p_value = stats.f_oneway(data1, data2, data3, data4, ...)

这是一种方差分析，它返回 F 值和 P 值。 如果 P 值低于您的设置，则存在显着差异。

Tukey-kramer HSD 测试可以像这样使用

from statsmodels.stats.multicomp import pairwise_tukeyhsd
print pairwise_tukeyhsd(Data, Group)

这是多重比较。 输出是这样的

Multiple Comparison of Means - Tukey HSD,FWER=0.05
================================================
group1 group2 meandiff   lower    upper   reject
------------------------------------------------
  0      1    -35.2153 -114.8741 44.4434  False 
  0      2     46.697   -40.4993 133.8932 False 
  0      3    -7.5709    -87.49  72.3482  False 
  1      2    81.9123    5.0289  158.7956  True 
  1      3    27.6444   -40.8751  96.164  False 
  2      3    -54.2679 -131.4209 22.8852  False 
------------------------------------------------

请参考this网站如何设置参数。 statsmodels 的 tukeyhsd 不返回 P 值。 因此，如果您想知道 P 值，请根据这些输出值计算或使用 R。

【讨论】：

将输出保存到变量res后，可以通过应用psturng(np.abs(res.meandiffs / res.std_pairs), len(res.groupsunique), res.df_total)得到p值，其中psturng来自from statsmodels.stats.libqsturng import psturng

我使用类似于@JavierdelaRosa 建议的方法将 p 值添加到表和输出属性。应该很快添加 - 请参阅pull request。

@ami_GS 你如何让它打印结果？当我这样做时，它只会在 0x0DBEBB10 处打印“tukeyHSDResults 对象....对不起基本问题...

【参考方案2】：

我认为库 Pyvttbl 返回一个 ANOVA 表，包括事后测试（即 TukeyHSD）。事实上，Pyvttbl 的巧妙之处在于您还可以对重复测量进行 ANOVA。

查看 Anova1way 的文档here

【讨论】：

很遗憾，此库不再受支持。