r語言中有的一些取整運(yùn)算

在編程實(shí)現(xiàn)的時(shí)候有時(shí)會(huì)碰到對(duì)數(shù)值取整的需求，而取整的方式卻多種多樣，依賴于具體問題，不過在R中已經(jīng)配備了種類齊全的相關(guān)函數(shù)。

? ? ? ?主要包括以下五種：floor（）：向下取整；ceiling（）： 向上取整；round（）： 四舍五入取整；turnc（）： 向0取整；signif（）： 保留給定位數(shù)的精度。

python與r語言哪個(gè)好—總概括：

R主要在學(xué)術(shù)界流行，python（numpy scipy）在工程方便比較實(shí)用。

R是S（Splus）的開源版本，或者下一代。發(fā)源地在新西蘭奧克蘭。這個(gè)軟件的統(tǒng)計(jì)背景很濃烈。我這里濃烈的意思是，如果你不熟習(xí)統(tǒng)計(jì)知識(shí)（歷史）的話，R的幫助文檔看起來是很累的。由統(tǒng)計(jì)背景的人開發(fā)。R的維護(hù)組叫CRAN-R。在生物信息方便，有個(gè)叫bioconductor的組織，里面有很多生物信息方面可以用的軟件包，他們有一套自己維護(hù)package系統(tǒng)。

Python是個(gè)綜合語言（這里特指指CPython解釋器），numpy scipy是數(shù)值計(jì)算的擴(kuò)展包，pandas是主要用來做數(shù)據(jù)處理（numpy依賴），sympy做符號(hào)計(jì)算（類似mathematica？）此外還有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已經(jīng)到了可用的水平了。是讀計(jì)算機(jī)的人寫的統(tǒng)計(jì)包。ipython 更新到1.0以后，功能基本完善，其notebook非常強(qiáng)大（感覺就像mathematica）而且還是基于web，在合作分享方面非常好用。

性能：

大家都說R慢，特別是CS的人。其實(shí)這里主要是兩點(diǎn)：一個(gè)R里面數(shù)組的調(diào)用都是用復(fù)制的，二是Rscript慢。三是處理大數(shù)據(jù)慢。如果R用的好的話，R是不太慢的。具體來說就是Rscript用的少，多用命令，跑點(diǎn)小數(shù)據(jù)。這樣的話，實(shí)際在跑的都是背后的fortran和C庫。他們都有快二三十年歷史了。可謂異?？煽?，優(yōu)化得不能再優(yōu)化了（指單線程，如果去看源代碼揮發(fā)先許多莫名的常數(shù)，永用了以后精度高速度快！）。比如一個(gè)自己編寫一個(gè)R腳本，loop套loop的那種，那真是想死的心都會(huì)有。外加一點(diǎn)，R處理文本文件很慢！

Python歸根揭底還是個(gè)有解釋器的腳本語言，而且有致命傷——GIL，但python最難能可貴的就是它很容易變得更快。比如pypy，cython，或者直接ctypes掛C庫。純python寫個(gè)原型，然后就開是不斷的profiling和加速吧。很輕易可以達(dá)到和C一個(gè)數(shù)量級(jí)的速度，但是寫程序、調(diào)試的時(shí)間少了很多。

并行計(jì)算：

R v15 之后有了自帶的parallel包，用挺輕松的。不過其實(shí)就是不停的fork，或者mpi，內(nèi)存消耗挺厲害的。parSapply，parApply什么的，真是很好用。

Python雖然有GIL——并行計(jì)算的死敵，但是有multiprocessing（fork依賴） ，是可以共享數(shù)據(jù)的什么的，估計(jì)內(nèi)存消耗方面比R好點(diǎn)，數(shù)據(jù)零散的話overhead很多。到了MPI的話，mpi4py還是挺好用的。用cython的話結(jié)合openmp可以打破GIL，但是過程中不能調(diào)用python的對(duì)象。

學(xué)習(xí)曲線：假設(shè)什么編程都不會(huì)的同學(xué)。

R一開始還是很容易上手的，查到基本的命令，包，直接print一下就有結(jié)果了。但是如果要自己寫算法、優(yōu)化性能的時(shí)候，學(xué)習(xí)難度陡增。

Python么，挺好學(xué)的，絕大多數(shù)的幫助文檔都比R好了許多。有些包用起來沒R方便。總的來說深入吼R陡。

擴(kuò)展資源：

基本上新的統(tǒng)計(jì)方法都會(huì)有R的package，安裝實(shí)用都不麻煩。但是基本上都是搞統(tǒng)計(jì)的人寫的計(jì)算機(jī)包。所以效能上可能有問好。比較出名的有兩個(gè)包的管理網(wǎng)站，cran-r 和bioconductor。 所以搞生化的估計(jì)R用起來很方便。

python的統(tǒng)計(jì)計(jì)算包們比R少，多很年輕，還在不斷的開發(fā)中。優(yōu)于是計(jì)算機(jī)人寫的統(tǒng)計(jì)包，用起來的時(shí)候要多漲個(gè)心眼。

畫圖：

R自帶的那些工具就挺好用了，然后還有g(shù)gplot這種非常優(yōu)美的得力工具。

python 有matplotlib，畫出來效果感覺比R自帶的好一些些，而且界面基于QT，跨平臺(tái)支持?？赡苁荝用得多了，pyplot用起來還是不太順手，覺得其各個(gè)組建的統(tǒng)一性不高。

IDE：

Rstudio非常不錯(cuò)，提供類matlab環(huán)境。（用過vim-r-plugin，用過emacs + ess現(xiàn)在用vim。）

windows 下有python（x，y） 還有許多商業(yè)的工具。（本人現(xiàn)在的emacs環(huán)境還不是很順手~）

建議：

如果只是處理（?。?shù)據(jù)的，用R。結(jié)果更可靠，速度可以接受，上手方便，多有現(xiàn)成的命令、程序可以用。

要自己搞個(gè)算法、處理大數(shù)據(jù)、計(jì)算量大的，用python。開發(fā)效率高，一切盡在掌握。

ps：盲目地用R的包比盲目的地用python的包要更安全。起碼R會(huì)把你指向一篇論文，而python只是指向一堆代碼。R出問題了還有論文作者、審稿人陪葬。

python和r語言的區(qū)別對(duì)比

網(wǎng)上有很多關(guān)于數(shù)據(jù)科學(xué)到底該用哪個(gè)，哪個(gè)到底好，誰更有前途的文章，一搜一大把。但我還是要寫一下我的觀點(diǎn)：

分析比較這兩種語言到底哪個(gè)好，得看你的用途。比如我只需要分析數(shù)據(jù)，即導(dǎo)入數(shù)據(jù)，分析數(shù)據(jù)，可視化，那按理說R語言確實(shí)很占優(yōu)勢(shì)。如果想在學(xué)習(xí)工作之外再將編程語言應(yīng)用的話，毫無疑問python更占優(yōu)勢(shì)，有句話是這么說的“人生苦短，請(qǐng)用python”。

單就數(shù)據(jù)分析對(duì)比，我認(rèn)為R的優(yōu)勢(shì)有：

1、學(xué)習(xí)先易后難，不會(huì)把小白們嚇掉；

2、數(shù)據(jù)科學(xué)的包特別多

3、可視化特別吊

R的缺點(diǎn)也不少：

1、R經(jīng)常更新，更新后經(jīng)常不支持之前你安裝的包；我電腦里安裝了10+個(gè)R的版本，不停的切換

2、R語言的包、函數(shù)名起的很隨意，看名字不知道是干什么用的，記不起名字如何讓小白使用啊。

3、R語言社區(qū)人少，遇到問題你只能自己解決

4、即使有RStudio，寫代碼還是不方便

下面再說下python，優(yōu)點(diǎn)：

1、是一門看的懂的，說人話的語言。庫名、函數(shù)名都很好理解記憶，而且你看別人寫的代碼基本知道這代碼的意思，不信你試試。

2、數(shù)據(jù)獲取占優(yōu)勢(shì)，數(shù)據(jù)分析第一步是數(shù)據(jù)獲取，現(xiàn)在人文社科很多數(shù)據(jù)需要網(wǎng)上抓取，不過就抓數(shù)據(jù)而言，python更占優(yōu)勢(shì)。各種教程，代碼，網(wǎng)上一大片。

3、社區(qū)人數(shù)特別多，基本你遇到的問題都能找到

python的缺點(diǎn)：

1、學(xué)習(xí)起來，開頭很難，學(xué)習(xí)曲線與R正好相反。

2、公平起見，我還是寫上，python的數(shù)據(jù)分析庫不如R多

3、可視化不如R

最關(guān)鍵的是R的收集數(shù)據(jù)這方面，網(wǎng)上特別少，搜有關(guān)R爬蟲的也很少。

于是我五月份開始轉(zhuǎn)頭學(xué)python，而且我是一開始就學(xué)python3，堅(jiān)持選擇有前途的版本，堅(jiān)持。目前我已經(jīng)可以用python爬數(shù)據(jù)了。

綜合下，建議大家學(xué)習(xí)python，語言通俗易懂，功能強(qiáng)大，越來越簡(jiǎn)單。