R或Python编写您最喜欢的R函数怎么样？Python脚本模拟易于使用的R风格函数，使统计变得简单易行。“Pythonvs.R”是数据科学和机器学习的现代战争之一。毫无疑问，这两者近年来发展迅猛，成为数据科学、预测分析和机器学习领域的首选编程语言。事实上，根据IEEE最近的一篇文章，Python已经取代C++成为顶级编程语言列表中的顶级语言，而R稳居前10名。然而，两者之间存在一些根本差异。R语言主要是作为统计分析和数据分析问题的快速原型设计工具而设计的，另一方面，Python是作为一种通用的、现代面向对象的语言开发的，类似于C++或Java，但学习起来更简单曲线和更灵活的语言风格。因此，R在统计学家、定量生物学家、物理学家和经济学家中仍然很受欢迎，而Python逐渐成为日常脚本、自动化、后端Web开发、分析和通用机器学习框架的首选语言***拥有广泛的支持基础和开源开发社区。在Python环境下模仿函数式编程R作为函数式编程语言的本质，为用户提供了快速计算概率的极其简洁的接口，也为数据分析问题提供了必要的描述和推理统计方法（LCTT译注：Statistics在功能上分为描述性统计和推断性统计）。例如，只用一个简洁的函数调用就可以解决以下问题不是很好吗？如何计算数据向量的均值/中值/众数。如何计算服从正态分布的某些事件的累积概率。如何计算是否服从泊松分布？如何计算一系列数据点的四分位距。如何生成一些服从学生t分布未知总体均值的随机数）。R编程环境可以完成这一切。另一方面，Python的脚本功能使分析人员能够以前所未有的复杂性和创造性在各种分析过程中使用这些统计数据。为了结合两全其美，您所需要的只是一个简单的Python包装库，其中包含与概率分布和R风格中定义的描述性统计相关的最常见函数。这使您可以非常快速地调用这些函数，而无需转到适当的Python统计库并了解整个方法和参数列表。用于轻松调用R函数的Python包装器脚本导入此脚本后，您将能够在本地使用这些R函数，就像在R编程环境中一样。该脚本的目标是提供简单的Python函数，模仿R风格的统计函数，快速计算密度和点估计、累积分布和分位数，并生成重要概率分布的随机变量。为了与R风格保持一致，脚本不使用类结构，文件中只定义了原始函数。因此，用户在需要单名调用时，导入此Python脚本即可使用所有功能。请注意，我使用了模仿这个词。无论如何，我声称要模仿R的真正函数式编程范例，其中包括深层环境设置以及这些环境和对象之间的复杂关系。这个脚本允许我（我希望无数其他Python用户）快速启动Python程序或JupyterNotebook程序，导入脚本，并立即开始进行简单的描述性统计。这就是目标，仅此而已。如果您编写过R代码（可能在研究生院）并且刚刚开始学习和使用Python进行数据分析，您会很高兴在Jupyter笔记本中看到和使用一些与您相同的知名函数在R环境中。无论出于何种原因，这个脚本使用起来都很有趣。简单示例首先，只需导入脚本并开始处理数字列表，就好像它们是R中的数据向量一样。fromR_functionsimport*lst=[20,12,16,32,27,65,44,45,22,18]
