- 当前位置：首页 >系统运维 >深入对比数据科学工具箱：Python和R的C/C++实现
深入对比数据科学工具箱：Python和R的C/C++实现
发布时间：2025-11-04 14:23:08 来源：码上建站 作者：系统运维
概述
几周前，深入数据实现我有幸在 Scipy 大会上发表了 Civis如何使用Python和R的对比演讲。为什么要在一个Python大会上大谈R呢?科学这是要挑起一个Python和R语言的一场战争吗?不是的!讨论哪个语言比较好简直是浪费时间。在 Civis，工具我们很愉快地同时使用这两种语言，深入数据实现不仅仅是对比在我们日常工作中解决数据科学问题，也用它们来写一些其他工具。科学下面是工具我在SciPy 大会上的一些讨论。
问题现状
我们 Civis 的深入数据实现同事有着十分不同的学术背景。我效力的对比研发团队有一个物理学家、一个经济学家、科学两个统计学家以及一位土木工程师组成。工具在 Civis，深入数据实现每个人在数据科学上都会做一些不同内容的对比工作，有的科学领域是R比较流行，有的领域是Python比较流行，还有的网站模板一些是Matlab。在这种场景下只支持一种语言并不是一个明智的选择。迁移到一门新语言上会花费许多时间，抛开在学院或者业界多年的技能回报，允许人们使用它们所熟悉的工具可以确保大家有更高的生成效率。
另外一个我们同时使用两种语言的原因是已有的统计学工具与包。在解决数据科学问题上，我们经常遇到在某些特定管道上需要某一种特定语言。我们的调研管道是一个很好的例子。确保随机样本具有全集代表性是需要一个被称为 raking 的过程的，传统上，Python 在社会科学上并不流行，因此我们只会用R来完成这件事情。当然调查也包括了QA的全文检索，在某种程度上来说R在NLP社区上并不是很流行，因此这个部分将会由Python来完成。源码下载而分析调查数据只是我们在Civis解决问题的一个小步骤。
结合许多不同的语言来实现工作流是具有挑战性的。数据科学平台帮助我们可以提交一连串任务节点，然后交由基础设施负责独立调用每个任务节点，且前后不依赖。但是这并不是一个十分理想的情况。原因有二，其一，这样做整个任务就显得破碎化，稍有修改某个任务，往往会导致全局失败，而且任何人在这个分布式系统中所做的工作都只了解局部情况，而不知道全局情况。第二，这样做并不高效。在两个语言中切换通常需要将数据以特定格式加载到磁盘上(通常最坏的情况是csv格式)。这样不仅仅是解析成本比较高，而且还会丢失一些类型信息。
解决方案
我概述了在Civis遇到的种种问题，但是云服务器到底什么是理想的状态呢?最***的解决方案是我们可以无缝切换工具和语言。许多熟悉Python的人喜欢用Python做数据分析，R也是类似的。事实证明这是完全有可能实现,有相当数量的项目已经开始作为跨语言工具：TensorFlow, XGBoost, 和 Stan 都在Civis被广泛运用。移植或安利一个已有的工具也是可能的，我们已经成功地完成了glmnetR包的安利。
对另一些为读者写数据科学工具的人来说,他们从一开始就考虑了这些跨语言。有一些方法可以做到这一点,但我个人最喜欢的是用C语言来写底层，然后使用各自的Python和R C api做一些绑定/封装。Python和R实际上是用C实现的,这是条阻力最小的路径。C是一门古老语言，C语言社区已经演进出了一些强大的工具链。晦涩的编译器错误消息已经成为了过去时,GCC和Clang(***的编译器)给友善的消息反馈(Clang网站可以看到栗子)。现在还有各种各样的“消毒液”来辅助捕获内存泄漏等常见错误或未定义的行为(llvm文档)。
案例
下面我们通过一个小例子,用C编写一个函数,使这可调用的Python和R。代码以及幻灯片从我的GitHub上可以找到。
Python
我们将下面的Python函数转换为C:
def tally(s): total = 0 for elm in s: total += elm return totalC
这是相同的功能用C实现:
#include <stddef.h> double tally(double *s, size_t n) { double total = 0; for (size_t i = 0; i < n; i++) { total += s[i]; } return total; }注意到它看起来并不是都不同的Python函数。当然,除了有一些类型注解和额外的语法噪音大括号外，我们还必须跟踪数组的长度,但整体逻辑是一样的。
接下来,我们需要实现一个Python绑定,允许用户调用这个函数就像任何其他Python函数。
Cython
#include <stdio.h> #include "Python.h" #include "tally.h" static PyObject *tally_(PyObject *self, PyObject *args) { PyObject *buf; if (!PyArg_ParseTuple(args, "O", &buf)) { return NULL; } Py_buffer view; int buf_flags = PyBUF_ANY_CONTIGUOUS | PyBUF_FORMAT; if (PyObject_GetBuffer(buf, &view, buf_flags) == -1) { return NULL; } if (strcmp(view.format,"d") != 0) { PyErr_SetString(PyExc_TypeError, "we only take floats :("); PyBuffer_Release(&view); return NULL; } double result = tally(view.buf, view.shape[0]); PyBuffer_Release(&view); return Py_BuildValue("d", result); } static PyMethodDef MethodTable[] = { {"tally", &tally_, METH_VARARGS, "Compute the sum of an array"}, { NULL, NULL, 0, NULL} }; static struct PyModuleDef tally_module = { .m_base = PyModuleDef_HEAD_INIT, .m_name = "tally_", .m_size = -1, .m_methods = MethodTable }; PyMODINIT_FUNC PyInit_tally_(void) { return PyModule_Create(&tally_module); }这里有很多实现的方法,但大多数只是Python模块的一部分样板代码。
在最上面，我们定义了一个函数,它接受一个Python对象,并且检查这是一个适当类型的数组，再调用我们的计数功能,然后返回结果。其余的代码模块定义,告诉Python解释器我们计数功能的名称和它的参数类型。
R
R的过程非常相似，但是更加简洁:
#include <R.h> #include <Rinternals.h> #include <R_ext/Rdynload.h> #include "tally.h" SEXP tally_(SEXP x_) { double *x = REAL(x_); int n = length(x_); SEXP out = PROTECT(allocVector(REALSXP, 1)); REAL(out)[0] = tally(x, n); UNPROTECT(1); return out; } static R_CallMethodDef callMethods[] = { {"tally_", (DL_FUNC)&tally_, 1}, {NULL, NULL, 0} }; void R_init_tallyR(DllInfo *info) { R_registerRoutines(info, NULL, callMethods, NULL, NULL); }这里需要的代码量显著减少,因为R和Python类型系统有所不同,没有真正标量类型,所以我们不需要做相同级别的检验/验证用户输入我们在上面的Python示例。剩下的代码大致相同,我们定义一个组函数可在R编译。
总结
一个真实世界的例子一定会更加复杂,但整个过程并不是那么困难。在编写跨语言工具时有几件事要记住:
如果你打算在两者之间共享函数就不要依赖宿主语言的api(R或Python)代码。 使用错误码来传递异常提示，不要直接调用退出或者在宿主语言里面才处理异常。 ***用宿主语言负责内存分配和重分配,这意味着你的C/C++代码应该要略过预先分配的内存和输出过程。 相信编译器,你也应该重视编译器的错误和警告。如果代码在编译时有警告那代码就不算写完。无论是哪个“赢得”这场语言战争，Python和R都将保持在数据科学届的地位。这意味着为工具开发者不能忽视的另外一门语言,构建有用的工具就得保证这两种语言都可以使用。一个简单的方式是用C或c++编写大量代码，然后用 C 的 API的为两种语言提供封装。
- 掌握Mac电脑新系统的技巧与窍门（从入门到精通，轻松驾驭Mac电脑新系统）
- 华硕电脑刷机教程（详细步骤与注意事项）
- 使用U盘扩容量的方法及教程（一步步教你如何利用U盘扩展存储空间）
- 探索Booxi86mlplus的卓越性能与优势（领先技术，出色表现——一款完美的阅读体验）
- 笔记本处理器i5和i7的区别及选择指南（解读i5和i7，选择最适合你的笔记本处理器）
- U盘大师系统教程
- 笔记本电脑回收站清空了怎么恢复回来？（恢复已删除文件的方法与技巧）
- 电脑硬盘设置教程（了解硬盘的基本知识，轻松配置你的电脑存储空间）
- 《牧场物语电脑操作教程——让你成为农场达人》（从零基础到游戏高手，掌握关键技巧！）
- AcerE2200HQ（出色画质与卓越性能，让您的视觉体验更上一层楼）
- 电脑重启系统还原的详细步骤（一步一步教你如何进行电脑重启系统还原）
- 使用U盘安装PE系统教程（从零开始轻松安装PE系统，助力电脑维护）
- 简易教程（详细指南，轻松操作，快速安装）
- 海尔LE48AL88U51，领先科技的智能电视（解密智慧生活，探索无限可能）
- KMS激活使用教程（详细步骤图解，一键激活系统）
- iPhone5s日版有锁的特点与解锁方法（一款老旧机型的市场表现和用户需求分析，解锁技巧与注意事项）
- 以GTX965M玩GTA5（解析GTX965M显卡在玩GTA5中的性能表现）
- 一体机进入BIOS教程（详解一体机进入BIOS的方法及常见问题解决技巧）
- 解决奇迹暖暖电脑登录密码错误的方法（从忘记密码到找回密码，轻松解决登录问题）
- 全面了解g31主板（掌握g31主板的硬件配置和操作技巧，带你快速上手！）
随便看看
- Copyright © 2025 Powered by 深入对比数据科学工具箱：Python和R的C/C++实现,码上建站 滇ICP备2023006006号-47sitemap