本文介紹了采用創(chuàng)建一個(gè)Python腳本，用該腳本模仿R風(fēng)格的函數(shù)的方法來方便地進(jìn)行統(tǒng)計(jì)。

是用R語言還是用Python語言？這是一個(gè)曠日持久的爭(zhēng)論。在此，我們可以嘗試采用折中路線：創(chuàng)建一個(gè)Python腳本，用該腳本模仿R風(fēng)格的函數(shù)，來方便地進(jìn)行統(tǒng)計(jì)！

簡(jiǎn)介
用R語言還是用Python語言？這是數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的一場(chǎng)大的爭(zhēng)論。毫無疑問，這兩種語言在最近幾年都取得了巨大的進(jìn)展，成為數(shù)據(jù)科學(xué)、預(yù)測(cè)分析和機(jī)器學(xué)習(xí)的首選編程語言。事實(shí)上，在IEEE新近的一篇文章中，Python取代C++成為2018年的頂級(jí)編程語言，R已經(jīng)牢牢地保住了它在前10名中的位置。

然而，這兩種編程語言之間存在著一些本質(zhì)的差異。R主要是為數(shù)據(jù)分析問題的統(tǒng)計(jì)分析和快速原型化而開發(fā)的工具。另一方面，Python作為一種通用的現(xiàn)代面向?qū)ο笳Z言，與C或Java相似，它具有更簡(jiǎn)單的學(xué)習(xí)曲線和更為靈活的行為方式。因此，R在統(tǒng)計(jì)學(xué)家、定量生物學(xué)家、物理學(xué)家和經(jīng)濟(jì)學(xué)家中仍然非常受歡迎，而Python逐漸成為日常腳本、自動(dòng)化、后端web開發(fā)、分析和通用機(jī)器學(xué)習(xí)框架的首選語言，Python語言的技術(shù)支持基礎(chǔ)比較廣泛，同時(shí)還有許多開源社區(qū)。

如何在Python環(huán)境中模仿函數(shù)式編程？
R語言的函數(shù)編程特性為用戶提供了非常簡(jiǎn)單有效地界面，用于快速計(jì)算概率，并為數(shù)據(jù)分析問題提供必要的描述性/推理統(tǒng)計(jì)。例如，僅僅使用一個(gè)緊致函數(shù)調(diào)用就能回答下面的問題，這是不是很神奇？

• 如何計(jì)算數(shù)據(jù)向量的平均/中值/模型？
• 如何計(jì)算服從正態(tài)分布的某一事件的累積概率？如果該分布是泊松分布，則如何計(jì)算？
• 如何計(jì)算一系列數(shù)據(jù)點(diǎn)的四分位數(shù)間距？
• 如何根據(jù)學(xué)生的t分布生成少量隨機(jī)數(shù)？

在R語言編程環(huán)境中，這些您都能實(shí)現(xiàn)。

另一方面，Python腳本編寫能使分析人員在各種分析管線中創(chuàng)造性地使用這些統(tǒng)計(jì)數(shù)據(jù)。

為了結(jié)合這兩種語言的優(yōu)勢(shì)，需要設(shè)計(jì)一個(gè)簡(jiǎn)單的基于Python的包裝類庫，它包含最常用的函數(shù)，這些函數(shù)涉及以R風(fēng)格定義的概率分布和描述性統(tǒng)計(jì)信息，用戶可以快速地調(diào)用這些函數(shù)，而無需調(diào)用Python統(tǒng)計(jì)庫，并弄明白所有方法和參數(shù)。

最為便捷的R-函數(shù)的Python包裝類腳本
我用Python編寫了一個(gè)腳本，用來定義在簡(jiǎn)單統(tǒng)計(jì)分析中最為便捷和最被廣泛使用的R函數(shù)。導(dǎo)入這個(gè)腳本之后，您將能夠像在R編程環(huán)境中一樣自然地使用那些R-函數(shù)。

這個(gè)腳本的目標(biāo)是利用簡(jiǎn)單的Python子程序，來模仿R風(fēng)格的統(tǒng)計(jì)函數(shù)，從而快速計(jì)算密度/點(diǎn)估計(jì)、累積分布、分位數(shù)，并為各種重要的概率分布生成隨機(jī)變量。為了保持R的風(fēng)格，沒有使用類分層結(jié)構(gòu)，只在該文件中定義了一些原始函數(shù)，這樣用戶便可以方便地導(dǎo)入這個(gè)Python腳本，并在需要時(shí)使用所有函數(shù)，而僅僅只需做一個(gè)名稱的調(diào)用。

注意，在此使用了“模仿”這個(gè)詞。我并沒有聲稱要模仿R真正的功能編程范式：那些由深層次的環(huán)境設(shè)置和這些環(huán)境與對(duì)象之間組成的復(fù)雜的相互關(guān)系。這個(gè)腳本只允許我(同時(shí)也希望有無數(shù)其他Python用戶)能夠快速啟動(dòng)Python程序或Jupyter筆記本（一種交互式筆記本,支持運(yùn)行 40 多種編程語言）導(dǎo)入腳本，并在短時(shí)間內(nèi)開始進(jìn)行簡(jiǎn)單的描述性統(tǒng)計(jì)。這就是目標(biāo)，僅此而已。

或者，你可能已經(jīng)會(huì)用R語言編碼，剛開始學(xué)習(xí)和使用Python進(jìn)行數(shù)據(jù)分析。你可以高興地看到和使用Jupyter筆記本里的一些眾所周知的函數(shù)，這些都和你使用的R語言環(huán)境中的方法類似。

簡(jiǎn)單實(shí)例
例如，如果需要計(jì)算數(shù)據(jù)點(diǎn)向量的TuKEY五數(shù)綜合。你只需調(diào)用一個(gè)簡(jiǎn)單函數(shù)FiVunm并傳遞給向量，它便在一個(gè)Numpy數(shù)組中返回五數(shù)綜合（最小值；第1四分位數(shù)(Q1)；中位數(shù)(Q2)；第3四分位數(shù)(Q3)；最大值。）。
lst=[20,12,16,32,27,65,44,45,22,18]
fivenum(lst)
> array([12. , 18.5, 24.5, 41. , 65. ])

或者，你想知道以下問題的答案：
假設(shè)一臺(tái)機(jī)器平均每小時(shí)輸出10件成品，標(biāo)準(zhǔn)差為2，輸出模式服從近似正態(tài)分布。在接下來的一小時(shí)內(nèi)，機(jī)器輸出至少7臺(tái)但不超過12臺(tái)的概率是多少？

答案基本上是這樣，

利用pNorm…，只需要一行代碼就可以得到答案。
pnorm(12,10,2)-pnorm(7,10,2)
> 0.7745375447996848

或者，對(duì)于如下問題：
假設(shè)你有一枚硬幣，每次拋硬幣的時(shí)候，都有60%的轉(zhuǎn)動(dòng)概率，玩的是10次拋擲的游戲。如何用這枚硬幣計(jì)算出所有可能的贏球數(shù)(從0到10)？

只需使用一個(gè)dbinom…函數(shù)和幾行代碼就可以獲得一個(gè)很好的條形圖。
probs=[]
import matplotlib.pyplot as plt
for i in range(11):
probs.append(dbinom(i,10,0.6))
plt.bar(range(11),height=probs)
plt.grid(True)
plt.show()

目前已經(jīng)實(shí)現(xiàn)的函數(shù)
目前，已經(jīng)實(shí)現(xiàn)了的、可以用于快速調(diào)用的R風(fēng)格函數(shù)在以下腳本中實(shí)現(xiàn)。

• 均值、中值、方差、標(biāo)準(zhǔn)差
• TuKEY五數(shù)綜合、矩陣的IQR
• 矩陣的協(xié)方差或兩個(gè)向量之間的協(xié)方差
• 密度、累積概率、分位函數(shù)和隨機(jī)變量生成，用于下列分布：正態(tài)分布，均勻分布，二項(xiàng)分布，泊松分布，F(xiàn)分布，Student’s-t分布，卡方分布，Beta分布，和Gamma分布

后續(xù)工作
這項(xiàng)工作還正在進(jìn)行之中，我計(jì)劃在腳本中添加一些更為便捷的R-函數(shù)。例如，在R單行命令中，lm可以得到一個(gè)最小二乘擬合模型，該模型具有所有必要的推斷統(tǒng)計(jì)量(P值、標(biāo)準(zhǔn)誤差等)。這將是多么的簡(jiǎn)短和緊湊！另一方面，Python中的標(biāo)準(zhǔn)線性回歸問題通常是使用Scikit-Learning來解決，需要用到更多的腳本來實(shí)現(xiàn)它。我計(jì)劃使用Python的statsmodel后端結(jié)合這個(gè)單一函數(shù)線性模型來實(shí)現(xiàn)。