写在前面
在此总结一些在 数据分析 /挖掘中可能用到的功能，方便大家索引或者从一种语言迁移到另一种。当然，这篇博客还会随时更新（不会另起一篇，为了方便大家索引），请大家如果有需要收藏到书签中。 如果大家还知道哪些常用的命令，也可以在评论中回复我。我可以添加进来， 方便更多地人更方便的检索 。也希望大家可以转载。
如果大家已经熟悉python和R的模块/包载入方式，那下面的表查找起来相对方便。python在下表中以模块 . 的方式引用，部分模块并非原生模块，请使用 pip install *
安装；同理，为了方便索引，R中也以 :: 表示了函数以及函数所在包的名字，如果不含 :: 表示为R的默认包中就有，如含 :: ，请使用 install.packages("*")
安装。
连接器与io
数据库
类别 Python R MySQL mysql-connector-python(官方) RMySQL
Oracle cx_Oracle ROracle
Redis redis rredis
MongoDB pymongo RMongo, rmongodb
neo4j py2neo RNeo4j
Cassandra cassandra-driver RJDBC
ODBC JDBC
pyodbc 未知[Jython Only]
RODBC RJDBC

IO类
类别 Python R excel xlsxWriter, pandas.(from/to)_excel, openpyxl openxlsx::read.xlsx(2), xlsx::read.xlsx(2)
csv csv.writer read.csv(2), read.table
json 图片
json PIL
jsonlite jpeg, png, tiff, bmp

统计类
描述性统计
类别 Python R 描述性统计汇总 scipy.stats.descirbe summary
均值 scipy.stats.gmean(几何平均数), scipy.stats.hmean(调和平均数), numpy.mean, numpy.nanmean, pandas.Series.mean mean
中位数 numpy.median, numpy.nanmediam, pandas.Series.median median
众数 scipy.stats.mode, pandas.Series.mode 未知
分位数 numpy.percentile, numpy.nanpercentile, pandas.Series.quantile quantile
经验累积函数(ECDF) statsmodels.tools.ECDF ecdf
标准差 scipy.stats.std, scipy.stats.nanstd, numpy.std, pandas.Series.std sd
方差 numpy.var, pandas.Series.var var
变异系数 scipy.stats.variation 未知
协方差 numpy.cov, pandas.Series.cov cov
(Pearson)相关系数 scipy.stats.pearsonr, numpy.corrcoef, pandas.Series.corr cor
峰度 scipy.stats.kurtosis, pandas.Series.kurt e1071::kurtosis
偏度 直方图
scipy.stats.skew, pandas.Series.skew numpy.histogram, numpy.histogram2d, numpy.histogramdd
e1071::skewness 未知

回归（包括统计和机器学习）
类别 Python R 普通最小二乘法回归(ols) statsmodels.ols, sklearn.linear_model.LinearRegression lm,
广义线性回归(gls) statsmodels.gls nlme::gls, MASS::gls
分位数回归(Quantile Regress) statsmodels.QuantReg quantreg::rq
岭回归 sklearn.linear_model.Ridge MASS::lm.ridge, ridge::linearRidge
LASSO sklearn.linear_model.Lasso lars::lars
最小角回归 稳健回归
sklearn.linear_modle.LassoLars statsmodels.RLM
lars::lars MASS::rlm

假设检验
类别 Python R t检验 statsmodels.stats.ttest_ind, statsmodels.stats.ttost_ind, statsmodels.stats.ttost.paired; scipy.stats.ttest_1samp, scipy.stats.ttest_ind, scipy.stats.ttest_ind_from_stats, scipy.stats.ttest_rel t.test
ks检验(检验分布) scipy.stats.kstest, scipy.stats.kstest_2samp ks.test
wilcoxon(非参检验，差异检验) scipy.stats.wilcoxon, scipy.stats.mannwhitneyu wilcox.test
Shapiro-Wilk正态性检验 Pearson相关系数检验
scipy.stats.shapiro scipy.stats.pearsonr
shapiro.test cor.test

时间序列
类别 Python R AR statsmodels.ar_model.AR ar
ARIMA VAR
statsmodels.arima_model.arima statsmodels.var_model.var
arima 未知

生存分析
类别 Python R
PH回归
statsmodels.formula.api.phreg
未知

机器学习类
回归
参见统计类
分类器
LDA、QDA
类别 Python R
LDA QDA
sklearn.discriminant_analysis.LinearDiscriminantAnalysis sklearn.discriminant_analysis.QuadraticDiscriminantAnalysis
MASS::lda MASS::qda

SVM(支持向量机)
类别 Python R 支持向量分类器（SVC） sklearn.svm.SVC e1071::svm
非支持向量分类器（nonSVC） 线性支持向量分类器(Lenear SVC)
sklearn.svm.NuSVC sklearn.svm.LinearSVC
未知 未知

基于临近
类别 Python R k-临近分类器 sklearn.neighbors.KNeighborsClassifier 未知
半径临近分类器 临近重心分类器(Nearest Centroid Classifier)
sklearn.neighbors.RadiusNeighborsClassifier sklearn.neighbors.NearestCentroid
未知 未知

贝叶斯
类别 Python R 朴素贝叶斯 sklearn.naive_bayes.GaussianNB e1071::naiveBayes
多维贝叶斯(Multinomial Naive Bayes) 伯努利贝叶斯(Bernoulli Naive Bayes)
sklearn.naive_bayes.MultinomialNB sklearn.naive_bayes.BernoulliNB
未知 未知

决策树
类别 Python R 决策树分类器 sklearn.tree.DecisionTreeClassifier tree::tree, party::ctree
决策树回归器 sklearn.tree.DecisionTreeRegressor tree::tree, party::tree
随机森林分类器 随机森林回归器
sklearn.ensemble.RandomForestClassifier sklearn.ensemble.RandomForestRegressor
randomForest::randomForest, party::cforest randomForest::randomForest, party::cforest

聚类
类别 Python R kmeans scipy.cluster.kmeans.kmeans kmeans::kmeans
分层聚类 scipy.cluster.hierarchy.fcluster (stats::)hclust
包聚类(Bagged Cluster) 未知 e1071::bclust
DBSCAN sklearn.cluster.DBSCAN dbscan::dbsan
Birch K-Medoids聚类
sklearn.cluster.Birch pyclust.KMedoids(可靠性未知)
未知 cluster.pam

关联规则
类别 Python R
apriori算法 FP-Growth算法
apriori(可靠性未知，不支持py3), PyFIM(可靠性未知，不可用pip安装) fp-growth(可靠性未知，不支持py3), PyFIM(可靠性未知，不可用pip安装)
arules::apriori 未知

神经网络
类别 Python R
神经网络 深度学习
neurolab.net, keras.* keras.*
nnet::nnet, nueralnet::nueralnet 不可靠包居多以及未知
当然， theano 模块值得一提，但本质 theano 包的设计并非在神经网络，所以不归于此类。
文本、NLP
基本操作
类别 Python R tokenize nltk.tokenize(英), jieba.tokenize(中) tau::tokenize
stem nltk.stem RTextTools::wordStem, SnowballC::wordStem
stopwords stop_words.get_stop_words tm::stopwords, qdap::stopwords
中文分词 TFIDF
jieba.cut, smallseg, Yaha, finalseg, genius gensim.models.TfidfModel
jiebaR 未知

主题模型
类别 Python R LDA lda.LDA, gensim.models.ldamodel.LdaModel topicmodels::LDA
LSI gensim.models.lsiModel.LsiModel 未知
RP HDP
gensim.models.rpmodel.RpModel gensim.models.hdpmodel.HdpModel
未知 未知
值得留意的是python的新第三方模块， spaCy
与其他分析/可视化/挖掘/报表工具的交互
类别 Python R
weka Tableau
python-weka-wrapper tableausdk
RWeka Rserve(实际是R的服务包)
来源：segmentfault  作者：三次方根
链接：https://segmentfault.com/a/1190000005041649
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「 我们 」留言处理。