这篇文章最初出现在 Yhat 博客 上。Yhat 是一家位于布鲁克林的公司，旨在让数据科学对开发者、数据科学家和企业都适用。Yhat 提供了一个用于部署和管理预测算法的 REST API 的软件平台，同时消除了与生产环境相关的痛苦的工程障碍，如测试、版本控制、扩展和安全。
我在 Python 中最喜欢的机器学习部分之一是它受益于观察 R 社区，然后模仿其最佳部分。我坚信语言的有用性在于其库。因此，在这篇文章中，我将介绍一些我在使用 R 时几乎每次都会用到的重要包，以及它们在 Python 中的对应包。
在 R 中，一个既是福音又是诅咒的特点是机器学习算法通常由不同的包进行划分。这意味着不是拥有一个（或一组）实现一些常见算法的 ML 库，而是每个算法都有自己的包。这有点好，因为你可以找到非常小众、前沿的算法实现，但在日常使用中切换算法可能会很麻烦。这个麻烦是 Python 的 scikit-learn 很好地解决了的。scikit-learn 提供了一套共同的 ML 算法，全部在相同的 API 下。这使得在 LogisticRegression 和 GradientBoostingMachines 之间切换变成了一行代码。
实际上，这也是 我们第一篇文章之一 的主题。pandas 采用了 R 中数据处理的最佳部分，并将其转化为一个 Python 包。这包括其自己的数据框架实现以及修改和重构的方式。基本上，它采纳了 reshape/reshape2 和 plyr/dplyr 的最佳部分，并将其 Python 化！
R 仍然在绘图方面做得比 Python 更好。毫无疑问，R 在几乎所有的 方面 都更好。即便如此，Python 的绘图也已经成熟，尽管社区是碎片化的。如果你喜欢 ggplot 风格的语法，可以看看 Yhat 的 ggplot。如果你需要超级统计和技术图表，那么可以尝试 seaborn。如果你想要一些超酷、好看的交互式图表，那就试试 bokeh。
在 “base R” 中，字符串操作几乎同样不直观且傻乎乎的。每次我在 R 中处理字符串时，我会做两件事（按顺序）：
-
对新西兰生产 Hadley Wickham 简单表示感谢
-
导入
stringr
非常感谢，新西兰
stringr 是一个绝对的救星。它编写良好，性能优异（至少我认为如此），且易于安装（不要忽视最后这一点。如果人们无法安装你的软件，那就没有意义了）。
好了，所以 stringr 赞美独白完成。好消息是，Python 在字符串操作方面非常出色，你实际上不需要一个字符串库！它有一个出色的内置正则表达式库 re，以及一个恰当地称为 string 的内置字符串元库。所以幸运的是，Python 带有所有与字符串相关的电池！
对许多用户来说，RStudio 是 R 的代名词。为什么不呢？它是一个出色的 R 数据分析 IDE。从历史上看，Python 没有很多类似的选项。当然，现在情况已经不一样了。我们在一年前发布了 Rodeo 的第一个版本，并在一个月前发布了适用于 Windows、OSX 和 Linux 的 2.0 版本。
“自从我们使用 RStudio 以来，我们一直在寻找一个类似的 Python IDE。我们尝试了如 Sublime Text 和 Spyder 等 IDE，但没有一个符合我们的喜好。我们搜索并找到了 Rodeo，对这个 IDE 非常满意。” - Stephen Hsu，加州大学伯克利分校
Knitr 是一个使用 R 创建可重复和高度视觉化分析的绝佳工具。它在 RStudio 中已经使用了一段时间。在 Python 世界中，最类似的包是 Jupyter。Jupyter 笔记本提供了一个用于 Python（以及其他语言）编程的交互环境，专注于可重复性和可视化——它甚至有一个 R 插件！
sqldf 是 SQL 用户在 R 中舒适操作数据的好方法。我自己在刚开始学习 R 时也使用过它。早在那时，Yhat 实际上为 Python 开发了一个类似的包，叫做 pandasql。概念相同：对数据框写 SQL 查询，获取数据框！快进三年，pandasql 在 GitHub 上已经有超过 256 个星标了 :)。对于一个只有 358 行代码的库来说，这不算差！
原文。经许可转载。
相关：
-
R 用户在学习 Python 时会遇到的八大挫折
-
R 与 Python 在数据科学中的对决：赢家是...
-
R 与 Python：面对面的数据分析
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你组织的 IT 工作