इंटरनेट पर आर या पायथन की खोज करने पर, आपको इस विषय पर लाखों लेख और चर्चाएँ मिलेंगी कि डेटा के साथ काम करने के लिए कौन सा बेहतर, तेज़ और अधिक सुविधाजनक है। परन्तु दुर्भाग्य से ये सभी लेख एवं विवाद विशेष उपयोगी नहीं हैं।

इस लेख का उद्देश्य दोनों भाषाओं के सबसे लोकप्रिय पैकेजों में बुनियादी डेटा प्रोसेसिंग तकनीकों की तुलना करना है। और पाठकों को उन चीज़ों पर शीघ्रता से महारत हासिल करने में मदद करें जो वे अभी तक नहीं जानते हैं। जो लोग पाइथॉन में लिखते हैं, उनके लिए जानें कि वही काम आर में कैसे करें और इसके विपरीत।

लेख के दौरान हम आर में सबसे लोकप्रिय पैकेजों के सिंटैक्स का विश्लेषण करेंगे। ये लाइब्रेरी में शामिल पैकेज हैं tidyverseऔर पैकेज भी data.table. और उनके वाक्यविन्यास की तुलना करें pandasपाइथॉन में सबसे लोकप्रिय डेटा विश्लेषण पैकेज।

हम पायथन और आर का उपयोग करके डेटा विश्लेषण के पूरे पथ को लोड करने से लेकर विश्लेषणात्मक विंडो फ़ंक्शन निष्पादित करने तक चरण दर चरण आगे बढ़ेंगे।

सामग्री

यदि आप भूल गए हैं कि विचाराधीन पैकेजों में से किसी एक में कुछ डेटा प्रोसेसिंग ऑपरेशन कैसे करना है तो इस लेख को एक चीट शीट के रूप में उपयोग किया जा सकता है।

आर और पायथन के बीच मुख्य वाक्यविन्यास अंतर
1.1. पैकेज फ़ंक्शंस तक पहुँचना
1.2. कार्यभार
1.3. अनुक्रमण
1.4. तरीके और OOP
1.5. पाइपलाइनों
1.6. डेटा संरचनाएं
हमारे द्वारा उपयोग किए जाने वाले पैकेजों के बारे में कुछ शब्द
2.1. साफ सुथरा
2.2. डेटा तालिका
2.3. पांडा
संकुल संस्थापित करना
डेटा लोड हो रहा है
डेटाफ़्रेम बनाना
आपके लिए आवश्यक कॉलम का चयन करना
पंक्तियों को फ़िल्टर करना
समूहन और एकत्रीकरण
तालिकाओं का लंबवत संघ (यूनियन)
तालिकाओं का क्षैतिज जुड़ाव (JOIN)
बुनियादी विंडो फ़ंक्शंस और परिकलित कॉलम
आर और पायथन में डेटा प्रोसेसिंग विधियों के बीच पत्राचार तालिका
निष्कर्ष
आप किस पैकेज का उपयोग करते हैं, इसके बारे में एक संक्षिप्त सर्वेक्षण

यदि आप डेटा विश्लेषण में रुचि रखते हैं, तो आप मेरा पता लगा सकते हैं तार и यूट्यूब चैनल. अधिकांश सामग्री आर भाषा को समर्पित है।

आर और पायथन के बीच मुख्य वाक्यविन्यास अंतर

आपके लिए Python से R या इसके विपरीत स्विच करना आसान बनाने के लिए, मैं कुछ मुख्य बिंदु दूंगा जिन पर आपको ध्यान देने की आवश्यकता है।

पैकेज फ़ंक्शंस तक पहुँचना

एक बार पैकेज को आर में लोड करने के बाद, आपको इसके कार्यों तक पहुंचने के लिए पैकेज का नाम निर्दिष्ट करने की आवश्यकता नहीं है। अधिकांश मामलों में यह आर में सामान्य नहीं है, लेकिन यह स्वीकार्य है। यदि आपको अपने कोड में इसके किसी फ़ंक्शन की आवश्यकता है, तो आपको किसी पैकेज को आयात करने की ज़रूरत नहीं है, लेकिन बस पैकेज का नाम और फ़ंक्शन का नाम निर्दिष्ट करके इसे कॉल करें। R में पैकेज और फ़ंक्शन नामों के बीच विभाजक एक डबल कोलन है। package_name::function_name().

इसके विपरीत, पायथन में, किसी पैकेज के नाम को स्पष्ट रूप से निर्दिष्ट करके उसके कार्यों को कॉल करना क्लासिक माना जाता है। जब कोई पैकेज डाउनलोड किया जाता है, तो उसे आमतौर पर एक छोटा नाम दिया जाता है, उदाहरण के लिए। pandas आमतौर पर छद्म नाम का प्रयोग किया जाता है pd. एक पैकेज फ़ंक्शन को एक बिंदु के माध्यम से एक्सेस किया जाता है package_name.function_name().

कार्यभार

आर में, किसी वस्तु को मान निर्दिष्ट करने के लिए तीर का उपयोग करना आम बात है। obj_name <- value, हालांकि एकल बराबर चिह्न की अनुमति है, आर में एकल बराबर चिह्न का उपयोग मुख्य रूप से फ़ंक्शन तर्कों में मान पारित करने के लिए किया जाता है।

पायथन में, असाइनमेंट विशेष रूप से एकल बराबर चिह्न के साथ किया जाता है obj_name = value.

अनुक्रमण

यहां भी काफी महत्वपूर्ण अंतर हैं। आर में, अनुक्रमण एक से शुरू होता है और परिणामी सीमा में सभी निर्दिष्ट तत्वों को शामिल करता है,

पायथन में, अनुक्रमण शून्य से शुरू होता है और चयनित श्रेणी में अनुक्रमण में निर्दिष्ट अंतिम तत्व शामिल नहीं होता है। तो डिज़ाइन करें x[i:j] पायथन में j तत्व शामिल नहीं होगा।

आर नोटेशन में नकारात्मक अनुक्रमण में भी अंतर हैं x[-1] अंतिम तत्व को छोड़कर वेक्टर के सभी तत्व लौटा देगा। पायथन में, एक समान नोटेशन केवल अंतिम तत्व लौटाएगा।

तरीके और OOP

आर ओओपी को अपने तरीके से लागू करता है, मैंने इसके बारे में लेख में लिखा है "आर भाषा में ओओपी (भाग 1): एस3 कक्षाएं". सामान्य तौर पर, आर एक कार्यात्मक भाषा है, और इसमें सब कुछ फ़ंक्शन पर बनाया गया है। इसलिए, उदाहरण के लिए, एक्सेल उपयोगकर्ताओं के लिए, पर जाएँ tydiverse यह इससे भी आसान होगा pandas. हालाँकि ये मेरी व्यक्तिपरक राय हो सकती है.

संक्षेप में, आर में वस्तुओं में विधियाँ नहीं हैं (यदि हम एस3 कक्षाओं के बारे में बात करते हैं, लेकिन अन्य ओओपी कार्यान्वयन भी हैं जो बहुत कम आम हैं)। केवल सामान्यीकृत फ़ंक्शन होते हैं जो ऑब्जेक्ट की श्रेणी के आधार पर उन्हें अलग-अलग तरीके से संसाधित करते हैं।

पाइपलाइनों

शायद इसी का नाम है pandas यह पूरी तरह से सही नहीं होगा, लेकिन मैं इसका अर्थ समझाने की कोशिश करूंगा।

मध्यवर्ती गणनाओं को सहेजने और कार्य वातावरण में अनावश्यक वस्तुओं को उत्पन्न न करने के लिए, आप एक प्रकार की पाइपलाइन का उपयोग कर सकते हैं। वे। गणना के परिणाम को एक फ़ंक्शन से दूसरे फ़ंक्शन में पास करें, और मध्यवर्ती परिणामों को सहेजें नहीं।

आइए निम्नलिखित कोड उदाहरण लें, जहां हम मध्यवर्ती गणनाओं को अलग-अलग ऑब्जेक्ट में संग्रहीत करते हैं:

temp_object <- func1()
temp_object2 <- func2(temp_object )
obj <- func3(temp_object2 )

हमने क्रमिक रूप से 3 ऑपरेशन किए और प्रत्येक का परिणाम एक अलग ऑब्जेक्ट में सहेजा गया। लेकिन वास्तव में, हमें इन मध्यवर्ती वस्तुओं की आवश्यकता नहीं है।

या इससे भी बदतर, लेकिन एक्सेल उपयोगकर्ताओं के लिए अधिक परिचित।

obj  <- func3(func2(func1()))

इस मामले में, हमने मध्यवर्ती गणना परिणामों को सहेजा नहीं है, लेकिन नेस्टेड फ़ंक्शंस के साथ कोड पढ़ना बेहद असुविधाजनक है।

हम आर में डेटा प्रोसेसिंग के कई तरीकों पर गौर करेंगे, और वे अलग-अलग तरीकों से समान ऑपरेशन करते हैं।

पुस्तकालय में पाइपलाइन tidyverse ऑपरेटर द्वारा कार्यान्वित किया गया %>%.

obj <- func1() %>% 
            func2() %>%
            func3()

इस प्रकार हम कार्य का परिणाम लेते हैं func1() और इसे पहले तर्क के रूप में पास करें func2(), तो हम इस गणना के परिणाम को पहले तर्क के रूप में पास करते हैं func3(). और अंत में, हम ऑब्जेक्ट में की गई सभी गणनाएँ लिखते हैं obj <-.

उपरोक्त सभी को इस मीम में शब्दों से बेहतर दर्शाया गया है:

В data.table जंजीरों का उपयोग इसी प्रकार किया जाता है।

newDT <- DT[where, select|update|do, by][where, select|update|do, by][where, select|update|do, by]

प्रत्येक वर्गाकार कोष्ठक में आप पिछले ऑपरेशन के परिणाम का उपयोग कर सकते हैं।

В pandas ऐसे ऑपरेशनों को एक बिंदु द्वारा अलग किया जाता है।

obj = df.fun1().fun2().fun3()

वे। हम अपनी मेज लेते हैं df और उसकी विधि का उपयोग करें fun1(), फिर हम प्राप्त परिणाम पर विधि लागू करते हैं fun2()के बाद fun3(). परिणामी परिणाम किसी ऑब्जेक्ट में सहेजा जाता है obj .

डेटा संरचनाएं

आर और पायथन में डेटा संरचनाएं समान हैं, लेकिन उनके अलग-अलग नाम हैं।

विवरण
आर में नाम
पायथन/पांडा में नाम

टेबल संरचना
डेटा.फ़्रेम, डेटा.टेबल, टिबल
डेटा ढांचा

मूल्यों की एक-आयामी सूची
वेक्टर
पांडा में श्रृंखला या शुद्ध पायथन में सूची

बहु-स्तरीय गैर-सारणीबद्ध संरचना
सूची
शब्दकोश (तानाशाही)

हम नीचे वाक्यविन्यास में कुछ अन्य विशेषताओं और अंतरों को देखेंगे।

हमारे द्वारा उपयोग किए जाने वाले पैकेजों के बारे में कुछ शब्द

सबसे पहले, मैं आपको उन पैकेजों के बारे में थोड़ा बताऊंगा जिनसे आप इस लेख के दौरान परिचित होंगे।

साफ सुथरा

आधिकारिक वेबसाइट: tidyvers.org

पुस्तकालय tidyverse आरस्टूडियो के वरिष्ठ शोध वैज्ञानिक हेडली विकम द्वारा लिखित। tidyverse इसमें पैकेजों का एक प्रभावशाली सेट शामिल है जो डेटा प्रोसेसिंग को सरल बनाता है, जिनमें से 5 CRAN रिपॉजिटरी से शीर्ष 10 डाउनलोड में शामिल हैं।

लाइब्रेरी के मूल में निम्नलिखित पैकेज शामिल हैं: ggplot2, dplyr, tidyr, readr, purrr, tibble, stringr, forcats. इनमें से प्रत्येक पैकेज का उद्देश्य एक विशिष्ट समस्या का समाधान करना है। उदाहरण के लिए dplyr डेटा हेरफेर के लिए बनाया गया, tidyr डेटा को सुव्यवस्थित रूप में लाने के लिए, stringr स्ट्रिंग्स के साथ काम करना सरल बनाता है, और ggplot2 सबसे लोकप्रिय डेटा विज़ुअलाइज़ेशन टूल में से एक है।

लाभ tidyverse सरलता और पढ़ने में आसान वाक्यविन्यास है, जो कई मायनों में SQL क्वेरी भाषा के समान है।

डेटा तालिका

आधिकारिक वेबसाइट: r-datatable.com

लेखक द्वारा data.table H2O.ai के मैट डोल हैं।

लाइब्रेरी का पहला विमोचन 2006 में हुआ।

पैकेज सिंटैक्स उतना सुविधाजनक नहीं है जितना कि tidyverse और आर में क्लासिक डेटाफ्रेम की अधिक याद दिलाता है, लेकिन साथ ही कार्यक्षमता में काफी विस्तार हुआ है।

इस पैकेज में तालिका के साथ सभी जोड़-तोड़ वर्गाकार कोष्ठक में वर्णित हैं, और यदि आप वाक्यविन्यास का अनुवाद करते हैं data.table SQL में, आपको कुछ इस तरह मिलता है: data.table[ WHERE, SELECT, GROUP BY ]

इस पैकेज की ताकत बड़ी मात्रा में डेटा संसाधित करने की गति है।

पांडा

आधिकारिक वेबसाइट: पांडा.pydata.org

लाइब्रेरी का नाम अर्थमितीय शब्द "पैनल डेटा" से आया है, जिसका उपयोग सूचना के बहुआयामी संरचित सेट का वर्णन करने के लिए किया जाता है।

लेखक द्वारा pandas अमेरिकी वेस मैकिनी हैं।

जब पायथन में डेटा विश्लेषण की बात आती है, तो बराबर pandas नहीं। एक बहुत ही बहुक्रियाशील, उच्च-स्तरीय पैकेज जो आपको किसी भी स्रोत से डेटा लोड करने से लेकर उसे विज़ुअलाइज़ करने तक, डेटा के साथ कोई भी हेरफेर करने की अनुमति देता है।

अतिरिक्त पैकेज स्थापित करना

इस आलेख में चर्चा किए गए पैकेज मूल आर और पायथन वितरण में शामिल नहीं हैं। हालाँकि एक छोटी सी चेतावनी है, यदि आपने एनाकोंडा वितरण स्थापित किया है, तो अतिरिक्त रूप से स्थापित करें pandas आवश्यकता नहीं है।

आर में पैकेज स्थापित करना

यदि आपने कम से कम एक बार RStudio विकास वातावरण खोला है, तो आप शायद पहले से ही जानते हैं कि R में आवश्यक पैकेज कैसे स्थापित करें। पैकेज स्थापित करने के लिए, मानक कमांड का उपयोग करें install.packages() इसे सीधे आर में ही चलाकर।

# установка пакетов
install.packages("vroom")
install.packages("readr")
install.packages("dplyr")
install.packages("data.table")

इंस्टालेशन के बाद, पैकेजों को कनेक्ट करने की आवश्यकता होती है, जिसके लिए ज्यादातर मामलों में कमांड का उपयोग किया जाता है library().

# подключение или импорт пакетов в рабочее окружение
library(vroom)
library(readr)
library(dplyr)
library(data.table)

पायथन में पैकेज स्थापित करना

तो, यदि आपके पास शुद्ध पायथन स्थापित है, तो pandas आपको इसे मैन्युअल रूप से इंस्टॉल करना होगा. अपने ऑपरेटिंग सिस्टम के आधार पर एक कमांड लाइन या टर्मिनल खोलें और निम्नलिखित कमांड दर्ज करें।

pip install pandas

फिर हम पायथन पर लौटते हैं और कमांड के साथ स्थापित पैकेज को आयात करते हैं import.

import pandas as pd

डेटा लोड हो रहा है

डेटा विश्लेषण में डेटा माइनिंग सबसे महत्वपूर्ण चरणों में से एक है। यदि वांछित हो, तो पायथन और आर दोनों आपको किसी भी स्रोत से डेटा प्राप्त करने के व्यापक अवसर प्रदान करते हैं: स्थानीय फ़ाइलें, इंटरनेट से फ़ाइलें, वेबसाइटें, सभी प्रकार के डेटाबेस।

पूरे लेख में हम कई डेटासेट का उपयोग करेंगे:

Google Analytics से दो डाउनलोड.
टाइटैनिक पैसेंजर डेटासेट।

सारा डेटा मेरे पास है GitHub सीएसवी और टीएसवी फाइलों के रूप में। हम उनसे कहाँ से अनुरोध करेंगे?

आर में डेटा लोड हो रहा है: टिडीवर्स, व्रूम, रीडर

किसी लाइब्रेरी में डेटा लोड करने के लिए tidyverse दो पैकेज हैं: vroom, readr. vroom अधिक आधुनिक, लेकिन भविष्य में पैकेज संयुक्त हो सकते हैं।

से बोली आधिकारिक दस्तावेज vroom.

वर बनाम पाठक
का विमोचन क्या होता है vroom मतलब के लिए readr? अभी हमारी योजना दोनों पैकेजों को अलग-अलग विकसित करने की है, लेकिन संभावना है कि हम भविष्य में पैकेजों को एक कर देंगे। व्रूम के आलसी पढ़ने का एक नुकसान यह है कि कुछ डेटा समस्याओं को सामने से रिपोर्ट नहीं किया जा सकता है, इसलिए उन्हें कैसे एकीकृत किया जाए इसके लिए कुछ विचार की आवश्यकता है।

व्रूम बनाम रीडर
रिलीज का मतलब क्या है? vroom के लिए readr? फिलहाल हम दोनों पैकेजों को अलग-अलग विकसित करने की योजना बना रहे हैं, लेकिन हम संभवत: भविष्य में उन्हें जोड़ देंगे। आलसी पढ़ने के नुकसानों में से एक vroom यह है कि डेटा के साथ कुछ समस्याओं की पहले से रिपोर्ट नहीं की जा सकती है, इसलिए आपको यह सोचने की ज़रूरत है कि उन्हें कैसे संयोजित किया जाए।

इस लेख में हम दोनों डेटा लोडिंग पैकेजों को देखेंगे:

R: vroom पैकेज में डेटा लोड हो रहा है

# install.packages("vroom")
library(vroom)

# Чтение данных
## vroom
ga_nov  <- vroom("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_nowember.csv")
ga_dec  <- vroom("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_december.csv")
titanic <- vroom("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/titanic.csv")

R: रीडर में डेटा लोड हो रहा है

# install.packages("readr")
library(readr)

# Чтение данных
## readr
ga_nov  <- read_tsv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_nowember.csv")
ga_dec  <- read_tsv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_december.csv")
titanic <- read_csv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/titanic.csv")

पैकेज में vroomसीएसवी / टीएसवी डेटा प्रारूप की परवाह किए बिना, लोडिंग उसी नाम के फ़ंक्शन द्वारा की जाती है vroom(), पैकेज में readr हम प्रत्येक प्रारूप के लिए एक अलग फ़ंक्शन का उपयोग करते हैं read_tsv() и read_csv().

डेटा को R में लोड किया जा रहा है: data.table

В data.table डेटा लोड करने के लिए एक फ़ंक्शन है fread().

डेटा को R: data.table पैकेज में लोड किया जा रहा है

# install.packages("data.table")
library(data.table)

## data.table
ga_nov  <- fread("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_nowember.csv")
ga_dec  <- fread("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/ga_december.csv")
titanic <- fread("https://raw.githubusercontent.com/selesnow/publications/master/data_example/r_python_data/titanic.csv")

पायथन में डेटा लोड हो रहा है: पांडा

अगर हम R पैकेज से तुलना करें तो इस मामले में सिंटैक्स सबसे करीब है pandas होगा readrक्योंकि pandas कहीं से भी डेटा का अनुरोध कर सकते हैं, और इस पैकेज में कार्यों का एक पूरा परिवार है read_*().

read_csv()
read_excel()
read_sql()
read_json()
read_html()

और विभिन्न प्रारूपों से डेटा पढ़ने के लिए डिज़ाइन किए गए कई अन्य फ़ंक्शन। लेकिन हमारे उद्देश्यों के लिए यह पर्याप्त है read_table() या read_csv() तर्क का उपयोग करना सितम्बर स्तंभ विभाजक निर्दिष्ट करने के लिए.

पायथन में डेटा लोड हो रहा है: पांडा

import pandas as pd

ga_nov  = pd.read_csv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/russian_text_in_r/ga_nowember.csv", sep = "t")
ga_dec  = pd.read_csv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/russian_text_in_r/ga_december.csv", sep = "t")
titanic = pd.read_csv("https://raw.githubusercontent.com/selesnow/publications/master/data_example/russian_text_in_r/titanic.csv")

डेटाफ़्रेम बनाना

टेबल टाइटैनिक, जिसे हमने लोड किया है, वहां एक फ़ील्ड है लिंग, जो यात्री के लिंग पहचानकर्ता को संग्रहीत करता है।

लेकिन यात्री लिंग के संदर्भ में डेटा की अधिक सुविधाजनक प्रस्तुति के लिए, आपको लिंग कोड के बजाय नाम का उपयोग करना चाहिए।

ऐसा करने के लिए, हम एक छोटी निर्देशिका, एक तालिका बनाएंगे जिसमें क्रमशः केवल 2 कॉलम (कोड और लिंग नाम) और 2 पंक्तियाँ होंगी।

R में एक डेटाफ़्रेम बनाना: tidyvers, dplyr

नीचे दिए गए कोड उदाहरण में, हम फ़ंक्शन का उपयोग करके वांछित डेटाफ़्रेम बनाते हैं tibble() .

R: dplyr में डेटाफ़्रेम बनाना

## dplyr
### создаём справочник
gender <- tibble(id = c(1, 2),
                 gender = c("female", "male"))

R: data.table में डेटाफ़्रेम बनाना

R: data.table में डेटाफ़्रेम बनाना

## data.table
### создаём справочник
gender <- data.table(id = c(1, 2),
                    gender = c("female", "male"))

पायथन में डेटाफ़्रेम बनाना: पांडा

В pandas फ़्रेम बनाना कई चरणों में किया जाता है, पहले हम एक शब्दकोश बनाते हैं, और फिर हम शब्दकोश को डेटाफ़्रेम में परिवर्तित करते हैं।

पायथन में डेटाफ़्रेम बनाना: पांडा

# создаём дата фрейм
gender_dict = {'id': [1, 2],
               'gender': ["female", "male"]}
# преобразуем словарь в датафрейм
gender = pd.DataFrame.from_dict(gender_dict)

कॉलम का चयन करना

आप जिन तालिकाओं पर काम करते हैं उनमें डेटा के दर्जनों या सैकड़ों कॉलम भी हो सकते हैं। लेकिन विश्लेषण करने के लिए, एक नियम के रूप में, आपको उन सभी कॉलमों की आवश्यकता नहीं है जो स्रोत तालिका में उपलब्ध हैं।

इसलिए, स्रोत तालिका के साथ आप जो पहला ऑपरेशन करेंगे, उनमें से एक यह है कि इसे अनावश्यक जानकारी से साफ़ किया जाए और उस मेमोरी को मुक्त किया जाए जो यह जानकारी घेरती है।

आर में कॉलम का चयन: tidyvers, dplyr

वाक्य-विन्यास dplyr यह SQL क्वेरी भाषा के समान है, यदि आप इससे परिचित हैं तो आप जल्दी से इस पैकेज में महारत हासिल कर लेंगे।

कॉलम चुनने के लिए, फ़ंक्शन का उपयोग करें select().

नीचे कोड के उदाहरण दिए गए हैं जिनके साथ आप निम्नलिखित तरीकों से कॉलम का चयन कर सकते हैं:

आवश्यक कॉलमों के नाम सूचीबद्ध करना
रेगुलर एक्सप्रेशन का उपयोग करके कॉलम नाम देखें
डेटा प्रकार या कॉलम में मौजूद डेटा की किसी अन्य संपत्ति द्वारा

R: dplyr में कॉलम का चयन करना

# Выбор нужных столбцов
## dplyr
### выбрать по названию столбцов
select(ga_nov, date, source, sessions)
### исключь по названию столбцов
select(ga_nov, -medium, -bounces)
### выбрать по регулярному выражению, стобцы имена которых заканчиваются на s
select(ga_nov, matches("s$"))
### выбрать по условию, выбираем только целочисленные столбцы
select_if(ga_nov, is.integer)

R: data.table में कॉलम का चयन करना

में वही संचालन data.table थोड़ा अलग तरीके से निष्पादित किया जाता है, लेख की शुरुआत में मैंने वर्गाकार कोष्ठकों के अंदर कौन से तर्क हैं इसका विवरण प्रदान किया है data.table.

DT[i,j,by]

कहाँ:
मैं - कहाँ, यानी पंक्तियों द्वारा फ़िल्टर करना
जे - चुनें|अद्यतन|करें, यानी। स्तंभों का चयन करना और उन्हें परिवर्तित करना
द्वारा - डेटा समूहन

R: data.table में कॉलम का चयन करना

## data.table
### выбрать по названию столбцов
ga_nov[ , .(date, source, sessions) ]
### исключь по названию столбцов
ga_nov[ , .SD, .SDcols = ! names(ga_nov) %like% "medium|bounces" ]
### выбрать по регулярному выражению
ga_nov[, .SD, .SDcols = patterns("s$")]

परिवर्तनशील .SD आपको सभी कॉलमों तक पहुंचने की अनुमति देता है, और .SDcols आपके लिए आवश्यक कॉलम के नामों को फ़िल्टर करने के लिए रेगुलर एक्सप्रेशन, या अन्य फ़ंक्शन का उपयोग करके आवश्यक कॉलम फ़िल्टर करें।

पायथन, पांडा में कॉलम का चयन करना

में नाम से कॉलम का चयन करने के लिए pandas उनके नामों की सूची प्रदान करना ही पर्याप्त है। और रेगुलर एक्सप्रेशन का उपयोग करके नाम से कॉलम चुनने या बाहर करने के लिए, आपको फ़ंक्शंस का उपयोग करने की आवश्यकता है drop() и filter(), और तर्क अक्ष = 1, जिसके साथ आप इंगित करते हैं कि पंक्तियों के बजाय स्तंभों को संसाधित करना आवश्यक है।

डेटा प्रकार के आधार पर फ़ील्ड का चयन करने के लिए, फ़ंक्शन का उपयोग करें select_dtypes(), और तर्क-वितर्क में शामिल या निकालना आपको जिन फ़ील्ड का चयन करना है, उसके अनुरूप डेटा प्रकारों की एक सूची पास करें।

पायथन में कॉलम का चयन: पांडा

# Выбор полей по названию
ga_nov[['date', 'source', 'sessions']]
# Исключить по названию
ga_nov.drop(['medium', 'bounces'], axis=1)
# Выбрать по регулярному выражению
ga_nov.filter(regex="s$", axis=1)
# Выбрать числовые поля
ga_nov.select_dtypes(include=['number'])
# Выбрать текстовые поля
ga_nov.select_dtypes(include=['object'])

पंक्तियों को फ़िल्टर करना

उदाहरण के लिए, स्रोत तालिका में कई वर्षों का डेटा हो सकता है, लेकिन आपको केवल पिछले महीने का विश्लेषण करने की आवश्यकता है। फिर, अतिरिक्त लाइनें डेटा प्रोसेसिंग प्रक्रिया को धीमा कर देंगी और पीसी मेमोरी को अवरुद्ध कर देंगी।

आर में पंक्तियों को फ़िल्टर करना: टाइडीवर्स, डीपीएलआईआर

В dplyr फ़ंक्शन का उपयोग पंक्तियों को फ़िल्टर करने के लिए किया जाता है filter(). यह पहले तर्क के रूप में एक डेटाफ़्रेम लेता है, फिर आप फ़िल्टरिंग शर्तों को सूचीबद्ध करते हैं।

किसी तालिका को फ़िल्टर करने के लिए तार्किक अभिव्यक्ति लिखते समय, इस मामले में, उद्धरण चिह्नों के बिना और तालिका नाम घोषित किए बिना कॉलम नाम निर्दिष्ट करें।

फ़िल्टर करने के लिए एकाधिक तार्किक अभिव्यक्तियों का उपयोग करते समय, निम्नलिखित ऑपरेटरों का उपयोग करें:

& या अल्पविराम - तार्किक तथा
| - तार्किक या

R: dplyr में पंक्तियों को फ़िल्टर करना

# фильтрация строк
## dplyr
### фильтрация строк по одному условию
filter(ga_nov, source == "google")
### фильтр по двум условиям соединённым логическим и
filter(ga_nov, source == "google" & sessions >= 10)
### фильтр по двум условиям соединённым логическим или
filter(ga_nov, source == "google" | sessions >= 10)

R में पंक्तियों को फ़िल्टर करना: data.table

जैसा कि मैंने पहले ही ऊपर लिखा है, में data.table डेटा रूपांतरण सिंटैक्स वर्गाकार कोष्ठकों में संलग्न है।

DT[i,j,by]

तर्क का उपयोग पंक्तियों को फ़िल्टर करने के लिए किया जाता है i, जिसका वर्गाकार कोष्ठक में प्रथम स्थान है।

स्तंभों तक उद्धरण चिह्नों के बिना और तालिका नाम निर्दिष्ट किए बिना तार्किक अभिव्यक्तियों में पहुंचा जा सकता है।

तार्किक अभिव्यक्तियाँ एक-दूसरे से उसी तरह संबंधित हैं जैसे कि dplyr & और | ऑपरेटरों के माध्यम से।

R में पंक्तियों को फ़िल्टर करना: data.table

## data.table
### фильтрация строк по одному условию
ga_nov[source == "google"]
### фильтр по двум условиям соединённым логическим и
ga_nov[source == "google" & sessions >= 10]
### фильтр по двум условиям соединённым логическим или
ga_nov[source == "google" | sessions >= 10]

पायथन में स्ट्रिंग्स को फ़िल्टर करना: पांडा

पंक्तियों के अनुसार फ़िल्टर करें pandas फ़िल्टर करने के समान data.table, और वर्गाकार कोष्ठकों में किया जाता है।

इस मामले में, डेटाफ़्रेम के नाम को इंगित करके कॉलम तक पहुंच आवश्यक रूप से की जाती है; फिर कॉलम नाम को वर्गाकार कोष्ठक में उद्धरण चिह्नों में भी दर्शाया जा सकता है (उदाहरण df['col_name']), या अवधि के बाद उद्धरण के बिना (उदाहरण df.col_name).

यदि आपको किसी डेटाफ़्रेम को कई शर्तों के अनुसार फ़िल्टर करने की आवश्यकता है, तो प्रत्येक शर्त को कोष्ठक में रखा जाना चाहिए। तार्किक स्थितियाँ ऑपरेटरों द्वारा एक दूसरे से जुड़ी होती हैं & и |.

पायथन में स्ट्रिंग्स को फ़िल्टर करना: पांडा

# Фильтрация строк таблицы
### фильтрация строк по одному условию
ga_nov[ ga_nov['source'] == "google" ]
### фильтр по двум условиям соединённым логическим и
ga_nov[(ga_nov['source'] == "google") & (ga_nov['sessions'] >= 10)]
### фильтр по двум условиям соединённым логическим или
ga_nov[(ga_nov['source'] == "google") | (ga_nov['sessions'] >= 10)]

डेटा का समूहीकरण और एकत्रीकरण

डेटा विश्लेषण में सबसे अधिक उपयोग किए जाने वाले ऑपरेशनों में से एक समूहीकरण और एकत्रीकरण है।

इन परिचालनों को निष्पादित करने का सिंटैक्स हमारे द्वारा समीक्षा किए गए सभी पैकेजों में बिखरा हुआ है।

इस मामले में, हम एक उदाहरण के रूप में एक डेटाफ़्रेम लेंगे टाइटैनिक, और केबिन श्रेणी के आधार पर टिकटों की संख्या और औसत लागत की गणना करें।

आर में डेटा का समूहन और एकत्रीकरण: टिडीवर्स, डीपीएलआईआर

В dplyr फ़ंक्शन का उपयोग समूहीकरण के लिए किया जाता है group_by(), और एकत्रीकरण के लिए summarise(). वास्तव में, dplyr कार्यों का एक पूरा परिवार है summarise_*(), लेकिन इस लेख का उद्देश्य मूल वाक्यविन्यास की तुलना करना है, इसलिए हम ऐसे जंगल में नहीं जाएंगे।

बुनियादी एकत्रीकरण कार्य:

sum() - सारांश
min() / max() – न्यूनतम और अधिकतम मूल्य
mean() - औसत
median() - मध्यिका
length() - मात्रा

R: dplyr में समूहन और एकत्रीकरण

## dplyr
### группировка и агрегация строк
group_by(titanic, Pclass) %>%
  summarise(passangers = length(PassengerId),
            avg_price  = mean(Fare))

समारोह में group_by() हमने तालिका को पहले तर्क के रूप में पारित किया टाइटैनिक, और फिर फ़ील्ड का संकेत दिया पक्लास, जिसके द्वारा हम अपनी तालिका को समूहीकृत करेंगे। ऑपरेटर का उपयोग करके इस ऑपरेशन का परिणाम %>% फ़ंक्शन के पहले तर्क के रूप में पारित किया गया summarise(), और 2 और फ़ील्ड जोड़े: यात्रियों и avg_price. सबसे पहले, फ़ंक्शन का उपयोग करना length() टिकटों की संख्या की गणना की, और दूसरे में फ़ंक्शन का उपयोग किया mean() औसत टिकट मूल्य प्राप्त हुआ।

आर में डेटा का समूहन और एकत्रीकरण: डेटा.टेबल

В data.table तर्क का उपयोग एकत्रीकरण के लिए किया जाता है j जिसका वर्गाकार कोष्ठकों में और समूहीकरण के लिए दूसरा स्थान है by या keybyजिनका तीसरा स्थान है।

इस मामले में एकत्रीकरण कार्यों की सूची वर्णित के समान है dplyr, क्योंकि ये मूल R सिंटैक्स के फ़ंक्शन हैं।

आर में समूहीकरण और एकत्रीकरण: डेटा.टेबल

## data.table
### фильтрация строк по одному условию
titanic[, .(passangers = length(PassengerId),
            avg_price  = mean(Fare)),
        by = Pclass]

पायथन में डेटा का समूहन और एकत्रीकरण: पांडा

में समूह बनाना pandas के समान dplyr, लेकिन एकत्रीकरण समान नहीं है dplyr बिल्कुल नहीं data.table.

समूह बनाने के लिए विधि का उपयोग करें groupby(), जिसमें आपको कॉलम की एक सूची पास करनी होगी जिसके द्वारा डेटाफ़्रेम को समूहीकृत किया जाएगा।

एकत्रीकरण के लिए आप विधि का उपयोग कर सकते हैं agg()जो एक शब्दकोश स्वीकार करता है. शब्दकोश कुंजियाँ वे कॉलम हैं जिन पर आप एकत्रीकरण फ़ंक्शन लागू करेंगे, और मान एकत्रीकरण फ़ंक्शन के नाम हैं।

एकत्रीकरण कार्य:

sum() - सारांश
min() / max() – न्यूनतम और अधिकतम मूल्य
mean() - औसत
median() - मध्यिका
count() - मात्रा

समारोह reset_index() नीचे दिए गए उदाहरण में इसका उपयोग नेस्टेड इंडेक्स को रीसेट करने के लिए किया जाता है pandas डेटा एकत्रीकरण के बाद डिफ़ॉल्ट।

प्रतीक आपको अगली पंक्ति में जाने की अनुमति देता है।

पायथन में समूहीकरण और एकत्रीकरण: पांडा

# группировка и агрегация данных
titanic.groupby(["Pclass"]).
    agg({'PassengerId': 'count', 'Fare': 'mean'}).
        reset_index()

तालिकाओं का लंबवत जुड़ाव

एक ऑपरेशन जिसमें आप एक ही संरचना की दो या दो से अधिक तालिकाओं को जोड़ते हैं। हमारे द्वारा लोड किए गए डेटा में तालिकाएँ हैं ga_nov и ga_dec. ये तालिकाएँ संरचना में समान हैं, अर्थात्। समान कॉलम हैं, और इन कॉलमों में डेटा प्रकार हैं।

यह नवंबर और दिसंबर महीने के लिए Google Analytics का अपलोड है, इस अनुभाग में हम इस डेटा को एक तालिका में संयोजित करेंगे।

आर में तालिकाओं को लंबवत रूप से जोड़ना: टिडीवर्स, डीपीएलआईआर

В dplyr आप फ़ंक्शन का उपयोग करके 2 तालिकाओं को एक में जोड़ सकते हैं bind_rows(), तालिकाओं को अपने तर्कों के रूप में पारित करना।

R: dplyr में पंक्तियों को फ़िल्टर करना

# Вертикальное объединение таблиц
## dplyr
bind_rows(ga_nov, ga_dec)

R: data.table में तालिकाओं को लंबवत रूप से जोड़ना

इसमें कुछ भी जटिल नहीं है, आइए उपयोग करें rbind().

R में पंक्तियों को फ़िल्टर करना: data.table

## data.table
rbind(ga_nov, ga_dec)

पायथन में तालिकाओं को लंबवत रूप से जोड़ना: पांडा

В pandas फ़ंक्शन का उपयोग तालिकाओं को जोड़ने के लिए किया जाता है concat(), जिसमें आपको फ़्रेमों को संयोजित करने के लिए उनकी एक सूची पास करनी होगी।

पायथन में स्ट्रिंग्स को फ़िल्टर करना: पांडा

# вертикальное объединение таблиц
pd.concat([ga_nov, ga_dec])

तालिकाओं का क्षैतिज जुड़ाव

एक ऑपरेशन जिसमें कुंजी द्वारा दूसरे से कॉलम को पहली तालिका में जोड़ा जाता है। इसका उपयोग अक्सर किसी तथ्य तालिका (उदाहरण के लिए, बिक्री डेटा वाली तालिका) को कुछ संदर्भ डेटा (उदाहरण के लिए, किसी उत्पाद की लागत) के साथ समृद्ध करते समय किया जाता है।

जोड़ कई प्रकार के होते हैं:

पहले से लोड की गई तालिका में टाइटैनिक हमारे पास एक कॉलम है लिंग, जो यात्री के लिंग कोड से मेल खाता है:

1 - स्त्री
2 - पुरुष

इसके अलावा, हमने एक तालिका - एक संदर्भ पुस्तक भी बनाई है लिंग. यात्रियों के लिंग पर डेटा की अधिक सुविधाजनक प्रस्तुति के लिए, हमें निर्देशिका से लिंग का नाम जोड़ना होगा लिंग मेज पर टाइटैनिक.

क्षैतिज तालिका आर में शामिल होती है: टिडीवर्स, डीपीएलआईआर

В dplyr क्षैतिज जुड़ाव के लिए कार्यों का एक पूरा परिवार है:

inner_join()
left_join()
right_join()
full_join()
semi_join()
nest_join()
anti_join()

मेरे अभ्यास में सबसे अधिक उपयोग किया जाता है left_join().

पहले दो तर्कों के रूप में, ऊपर सूचीबद्ध फ़ंक्शन जुड़ने के लिए दो तालिकाएँ लेते हैं, और तीसरे तर्क के रूप में by शामिल होने के लिए आपको कॉलम निर्दिष्ट करने होंगे.

R: dplyr में क्षैतिज तालिका जुड़ें

# объединяем таблицы
left_join(titanic, gender,
          by = c("Sex" = "id"))

R: data.table में तालिकाओं का क्षैतिज जुड़ाव

В data.table आपको फ़ंक्शन का उपयोग करके कुंजी द्वारा तालिकाओं को जोड़ना होगा merge().

data.table में मर्ज() फ़ंक्शन के लिए तर्क

x, y - जुड़ने के लिए तालिकाएँ
द्वारा - यदि दोनों तालिकाओं में एक ही नाम है तो वह कॉलम जुड़ने की कुंजी है
by.x, by.y - मर्ज किए जाने वाले कॉलम के नाम, यदि तालिकाओं में उनके अलग-अलग नाम हैं
all, all.x, all.y - ज्वाइन प्रकार, all दोनों तालिकाओं से सभी पंक्तियों को लौटाएगा, all.x LEFT JOIN ऑपरेशन से मेल खाता है (पहली तालिका की सभी पंक्तियों को छोड़ देगा), all.y - से मेल खाता है राइट जॉइन ऑपरेशन (दूसरी तालिका की सभी पंक्तियों को छोड़ देगा)।

R: data.table में तालिकाओं का क्षैतिज जुड़ाव

# объединяем таблицы
merge(titanic, gender, by.x = "Sex", by.y = "id", all.x = T)

पायथन में क्षैतिज तालिका शामिल करें: पांडा

साथ ही इसमें data.tableमें pandas फ़ंक्शन का उपयोग तालिकाओं को जोड़ने के लिए किया जाता है merge().

पांडा में मर्ज() फ़ंक्शन के तर्क

कैसे - कनेक्शन प्रकार: बाएँ, दाएँ, बाहरी, भीतरी
on - वह कॉलम जो एक कुंजी है यदि उसका नाम दोनों तालिकाओं में समान है
बाएँ_पर, दाएँ_पर - कुंजी स्तंभों के नाम, यदि तालिकाओं में उनके अलग-अलग नाम हैं

पायथन में क्षैतिज तालिका शामिल करें: पांडा

# объединяем по ключу
titanic.merge(gender, how = "left", left_on = "Sex", right_on = "id")

बुनियादी विंडो फ़ंक्शंस और परिकलित कॉलम

विंडो फ़ंक्शंस एकत्रीकरण फ़ंक्शंस के अर्थ में समान हैं, और अक्सर डेटा विश्लेषण में भी उपयोग किए जाते हैं। लेकिन एकत्रीकरण फ़ंक्शंस के विपरीत, विंडो फ़ंक्शंस आउटगोइंग डेटाफ़्रेम की पंक्तियों की संख्या को नहीं बदलते हैं।

अनिवार्य रूप से, विंडो फ़ंक्शन का उपयोग करके, हम आने वाले डेटाफ़्रेम को कुछ मानदंडों के अनुसार भागों में विभाजित करते हैं, अर्थात। किसी फ़ील्ड या कई फ़ील्ड के मान से। और हम प्रत्येक विंडो पर अंकगणितीय संक्रियाएँ करते हैं। इन परिचालनों का परिणाम प्रत्येक पंक्ति में लौटाया जाएगा, अर्थात। तालिका में पंक्तियों की कुल संख्या बदले बिना।

उदाहरण के लिए, आइए तालिका लें टाइटैनिक. हम गणना कर सकते हैं कि प्रत्येक टिकट की कीमत उसके केबिन क्लास के भीतर कितने प्रतिशत थी।

ऐसा करने के लिए, हमें प्रत्येक पंक्ति में वर्तमान केबिन श्रेणी के टिकट की कुल लागत प्राप्त करने की आवश्यकता है, जिससे इस पंक्ति का टिकट संबंधित है, फिर प्रत्येक टिकट की लागत को उसी केबिन श्रेणी के सभी टिकटों की कुल लागत से विभाजित करें। .

आर में विंडो फ़ंक्शंस: टिडीवर्स, डीपीएलआईआर

पंक्ति समूहन का उपयोग किए बिना, नए कॉलम जोड़ने के लिए dplyr कार्य करता है mutate().

आप फ़ील्ड के अनुसार डेटा को समूहीकृत करके ऊपर वर्णित समस्या का समाधान कर सकते हैं पक्लास और फ़ील्ड को एक नए कॉलम में सारांशित करें लो. इसके बाद, तालिका को असमूहीकृत करें और फ़ील्ड मानों को विभाजित करें लो पिछले चरण में क्या हुआ था।

R में विंडो फ़ंक्शन: dplyr

group_by(titanic, Pclass) %>%
  mutate(Pclass_cost = sum(Fare)) %>%
  ungroup() %>%
  mutate(ticket_fare_rate = Fare / Pclass_cost)

R में विंडो फ़ंक्शन: डेटा.टेबल

समाधान एल्गोरिथ्म वैसा ही रहता है जैसा कि इसमें है dplyr, हमें तालिका को फ़ील्ड के अनुसार विंडोज़ में विभाजित करने की आवश्यकता है पक्लास. एक नए कॉलम में प्रत्येक पंक्ति के अनुरूप समूह के लिए राशि आउटपुट करें, और एक कॉलम जोड़ें जिसमें हम उसके समूह में प्रत्येक टिकट की लागत के हिस्से की गणना करते हैं।

नये कॉलम जोड़ने के लिए data.table संचालक उपस्थित :=. पैकेज का उपयोग करके किसी समस्या को हल करने का एक उदाहरण नीचे दिया गया है data.table

R में विंडो फ़ंक्शन: डेटा.टेबल

titanic[,c("Pclass_cost","ticket_fare_rate") := .(sum(Fare), Fare / Pclass_cost), 
        by = Pclass]

पायथन में विंडो फ़ंक्शंस: पांडा

नया कॉलम जोड़ने का एक तरीका pandas - फ़ंक्शन का उपयोग करें assign(). पंक्तियों को समूहीकृत किए बिना, केबिन श्रेणी के आधार पर टिकटों की लागत को संक्षेप में प्रस्तुत करने के लिए, हम फ़ंक्शन का उपयोग करेंगे transform().

नीचे एक समाधान का उदाहरण दिया गया है जिसे हम तालिका में जोड़ते हैं टाइटैनिक वही 2 कॉलम.

पायथन में विंडो फ़ंक्शंस: पांडा

titanic.assign(Pclass_cost      =  titanic.groupby('Pclass').Fare.transform(sum),
               ticket_fare_rate = lambda x: x['Fare'] / x['Pclass_cost'])

कार्य और विधियाँ पत्राचार तालिका

जिन पैकेजों पर हमने विचार किया है उनमें डेटा के साथ विभिन्न संचालन करने के तरीकों के बीच पत्राचार की एक तालिका नीचे दी गई है।

विवरण
साफ सुथरा
डेटा तालिका
पांडा

डेटा लोड हो रहा है
vroom()/ readr::read_csv() / readr::read_tsv()
fread()
read_csv()

डेटाफ़्रेम बनाना
tibble()
data.table()
dict() + from_dict()

कॉलम का चयन करना
select()
बहस j, वर्गाकार कोष्ठकों में दूसरा स्थान
हम वर्गाकार कोष्ठकों में आवश्यक स्तंभों की सूची पास करते हैं / drop() / filter() / select_dtypes()

पंक्तियों को फ़िल्टर करना
filter()
बहस i, वर्गाकार कोष्ठकों में प्रथम स्थान
हम फ़िल्टरिंग स्थितियों को वर्गाकार कोष्ठकों में सूचीबद्ध करते हैं / filter()

समूहन और एकत्रीकरण
group_by() + summarise()
बहस j + by
groupby() + agg()

तालिकाओं का लंबवत संघ (यूनियन)
bind_rows()
rbind()
concat()

तालिकाओं का क्षैतिज जुड़ाव (JOIN)
left_join() / *_join()
merge()
merge()

बुनियादी विंडो फ़ंक्शन और परिकलित कॉलम जोड़ना
group_by() + mutate()
बहस j ऑपरेटर का उपयोग करना := + तर्क by
transform() + assign()

निष्कर्ष

शायद लेख में मैंने डेटा प्रोसेसिंग के सबसे इष्टतम कार्यान्वयन का वर्णन नहीं किया है, इसलिए मुझे खुशी होगी यदि आप टिप्पणियों में मेरी गलतियों को सुधारते हैं, या आर / पायथन में डेटा के साथ काम करने के लिए अन्य तकनीकों के साथ लेख में दी गई जानकारी को पूरक करते हैं।

जैसा कि मैंने ऊपर लिखा है, लेख का उद्देश्य किसी की राय थोपना नहीं था कि कौन सी भाषा बेहतर है, बल्कि दोनों भाषाओं को सीखने के अवसर को सरल बनाना था, या यदि आवश्यक हो, तो उनके बीच स्थानांतरण करना था।

यदि आपको लेख पसंद आया, तो मुझे अपने नए ग्राहक पाकर खुशी होगी यूट्यूब и तार चैनल।

Опрос

आप अपने काम में निम्नलिखित में से किस पैकेज का उपयोग करते हैं?

टिप्पणियों में आप अपनी पसंद का कारण लिख सकते हैं।

केवल पंजीकृत उपयोगकर्ता ही सर्वेक्षण में भाग ले सकते हैं। साइन इन करेंकृपया।

आप किस डेटा प्रोसेसिंग पैकेज का उपयोग करते हैं (आप कई विकल्प चुन सकते हैं)

45,2% तक सुव्यवस्थित19
33,3% तक डेटा.टेबल14
54,8% तक पांडा23

42 उपयोगकर्ताओं ने मतदान किया। 9 उपयोगकर्ता अनुपस्थित रहे।

स्रोत: www.habr.com

डेटा के साथ काम करने के लिए कौन सी भाषा चुनें - आर या पायथन? दोनों! पांडा से टिडीवर्स और डेटा.टेबल और वापस की ओर पलायन