Vorwort

Um klar zu sein, ich habe etwas sehr Nutzloses getan. (Ich werde es zum Speichern des stumpfen Codes setzen) Ich wollte es bequemer machen, Python in Rstudio zu verwenden, also habe ich eine Funktion erstellt, aber am Ende hat sich der Komfort kaum verbessert. ..

Klicken Sie hier, um zu erfahren, wie Sie Python in Rstudio verwenden.

Python-Datenrahmen

Vielen Dank. Ich liebe es zu retikulieren.

Es ist üblich, Pandas für Python-Datenrahmen zu verwenden, aber es gibt ein Problem, dass es schwierig ist, die Datenrahmen zu sehen, wenn Python mit Rstudio verwendet wird.

Zum Beispiel,

#"Data Scientist Association Skill Definition Committee"
#Daten von "Data Science 100 Knock (Strukturierte Datenverarbeitung)"
#Ich werde es benutzen.

>>> import pandas as pd
>>> df = pd.read_csv("customer.csv")
>>> print(df)

名称未設定.png

Nun, es ist nicht schlecht. .. Es wurde unterwegs weggelassen, also ist es ein bisschen beängstigend!

Rstudio View () Funktion

Die Lösung ist einfach.

・ Verwenden Sie Google Colab gehorsam (Der Datenrahmen sieht relativ gut aus)

・ ** Verwenden Sie die Rstudio-spezifische View () -Funktion **

Die View () -Funktion ist die schnellste.

>>> quit #Beenden Sie Python und kehren Sie zu R zurück

> # library(reticulate)
> View(py$df)

Dadurch wird ein super einfach zu lesender Datenrahmen angezeigt, der wie gewohnt verschoben werden kann. 名称未設定.png

Funktionalisierung

Dann das

"Laden des Retikulat-Pakets (py $ kann nur verwendet werden, wenn es geladen ist) -> Ansicht im Viewer-> Zurück zu Python"

Lassen Sie uns eine Reihe von Operationen als Funktion ausführen.

py_view = function(py_df_name, i_overwrite = FALSE, repl = TRUE){
  library(reticulate)
  #
  if(class(py_df_name) == "character"){
    if((class(try(py$i, T)) == "try-error") |
       (class(try(py$i, T)) != "try-error" & i_overwrite == TRUE)){
      try(py_run_string(paste("i = globals()['", py_df_name, "']",
                              sep = "")), T)
      if(class(try(class(py$i), T)) == "data.frame"){
        View(py$i, py_df_name)
        py_run_string("del i")
        #repl
        if(repl == T){repl_python()}
      }else{
        message(paste("Datenrahmen'", py_df_name, "'Wurde nicht gefunden.",
                      sep = ""))
        try(py_run_string("del i"), T)
      }
    }else{
      message("   'i'Existiert. Löschen oder argumentieren i_overwrite =Bitte setzen Sie TRUE.")
    }
  }else{
    message("Argument py_df_Bitte geben Sie den Namen als Zeichenfolge an.")
  }
}

Ich hatte es schwer. Wenn Sie das Argument (Datenrahmenname) auf "py $ ~" setzen, endet es zunächst sofort, aber ich habe es zu einem Formular gemacht, um einen Datenrahmen mit einem Namen einzufügen, der mit der Zeichenfolge übereinstimmt.

Wenn das Argument py_df_name ein Zeichen (Zeichenfolge) ist, verschieben Sie den Datenrahmen in eine Variable namens i in Python und betrachten Sie ihn mit der Funktion View ().

Sie versuchen viel Ausnahmebehandlung, indem Sie versuchen. Kommentar ...

Versuchen Sie es mit

Einfach zu verwenden.

> py_view("df")
>>>

Allein damit wird der vorherige Viewer angezeigt und Sie können zu Python zurückkehren.

Zusammenfassung

das ist alles! !! !! Es war verschwenderischer als ich erwartet hatte.

Ich dachte, es wäre ärgerlich, mit "py $ ~" zu stolpern, wenn ich nicht "library (reticulate)" mache und jedes Mal "py" in View () hinzufüge, aber am Ende Ich denke, es ist schneller zu arbeiten.

Vorläufig war es eine gute Praxis für die Ausnahmebehandlung in R.