R语言是心理与统计学界中最受欢迎的编程语言之一。相比商业统计软件，R语言免费、开源、扩展性强；而相比其他开源编程语言，R的基本操作相对简单，统计与作图模块完善，适合进行统计分析工作。

然而，R语言并非没有劣势。首先，R程序包的覆盖范围没有那么完美，在有些情况下可能会面临“无R包可用”的情况。第二，R是一种脚本语言，而且许多底层运算模式没有针对运算速度做出太多优化。因此，R的运行速度相对较慢，尤其在进行数据量较大的循环运算时，运行时间可能会达到编译语言的数十倍。R的短处恰恰是其他编程语言的长处。例如，Python作为应用范围最广的脚本语言之一，在许多领域有更多的程序包支持；而C++作为一种编译语言，在进行复杂运算时有明显的速度优势。幸好，R语言中提供了与Python和C++的协作程序包。利用这些程序包，我们可以把R处理起来较为困难的部分在另一种程序中运行，之后将运行结果反馈给R，在R中进行下一步分析。当然，为了完成这一任务，对参与协作的另一种语言也需要有一些基础的了解。Python和C++入门知识超出了本文的范围，对Python和C++还比较陌生的读者可以在网上找一些相关的基础资料。下面，我们会在两种典型心理学使用场景中介绍R与Python、C++连接的程序包。R与Python的协作：reticulate基本信息reticulate是一个连接R与Python的程序包(官方网站如下)。

https://rstudio.github.io/reticulate/

我们可以使用这一程序包调用Python模块的功能。reticulate的安装方式和其他CRAN程序包一样，可以直接通过install.packages命令来安装：

install.packages("reticulate")

同时，为了调用Python模块，我们还需要在计算机中装好Python和需要的模块，并将Python程序所在目录放在PATH中。之后，就可以采用reticulate的import功能来导入模块，并使用“$”符号代替“.”进行Python的面向对象编程。(ps. 这个包的名称来自于东南亚的一种蟒蛇网纹蟒 reticulated python，估计当时作者为了找一个r开头的蛇的名字也是费了些心思……)应用示例我曾经遇到过的一个使用场景是这样：在一个皮肤电研究中，我需要从acq文件里读取皮肤电信号的源数据，并进行一些后续处理。然而，我只找到了一个可以读取acq文件的Python包：bioread。因此，我需要借助Python中的bioread包(如下)将数据读入，之后用R进行下一步处理。

https://pypi.org/project/bioread/

使用的代码如下(事先需要安装Python和bioread包)：

library(reticulate)bioread "bioread") acqfile $read_file(acqfile # 查看acq文件对象信息# AcqKnowledge file (rev 132): 4 channels, 2000.0 samples/secacqfile$channels # 查看acq文件中的通道# [[1]]# Channel EDA filtered, differentiated: 123787 samples, 2000.0 samples/sec, loaded: True# # [[2]]# Channel EKG - ERS100C: 61893 samples, 1000.0 samples/sec, loaded: True# # [[3]]# Channel RESP - RSP100C: 241 samples, 3.90625 samples/sec, loaded: True# # [[4]]# Channel EDA - GSR100C: 123787 samples, 2000.0 samples/sec, loaded: Trueacqdata1 $channels[[1]]str(acqdata1)# num [1:123787(1d)] -101 -101 -101 -101 -101 ...#可以看到，从Python对象中提取的acqdata1已经是一个R向量了。#因此，之后都可以直接使用R语言对其进行分析#例如：mean(acqdata1)# [1] -110.7604

需要注意的是，只有Python中一些特定种类的对象可以被转换成R语言变量。reticulate官网上给出的对照表如下：

因此，对于一些Python模块中自行定义的对象，需要提取出上述种类的子数据才能继续用R做处理。(例如，在上述示例中，acqfile是一个AcqKnowledge file对象，不能直接使用R语言进行处理；但acqfile$channels[[1]]$data就是一个常规的数组了，可以直接转化成R中的向量。)R与C++的协作：Rcpp基本信息Rcpp是最受欢迎的R语言扩展包之一(官方网站如下)。

http://www.rcpp.org/

我们可以使用这一程序包在R中调用C++函数。Rcpp同样可以直接通过install.packages命令来安装：

install.packages("Rcpp")

同时，我们还需要安装C++编译器。对于windows用户，直接安装Rtools即可。

https://cran.r-project.org/bin/windows/Rtools/index.html

要注意的是，使用Rcpp通常需要我们自己写出一个符合Rcpp要求的C++函数，对编程知识的要求相比reticulate要高一些。应用示例我遇到过的Rcpp使用场景是这样：我需要做一个心理模型的模拟，其中包含数亿次量级的迭代计算。这一工作可以使用R函数实现，但需要的运行时间太长，超出了接受范围。因此，我将这一函数使用Rcpp重写。示例代码如下(为简明起见，这里使用了一个非常简单的迭代函数)：*add_one_zh.cpp*

#include using namespace Rcpp;//在函数开始之前的部分，(#include ，using namespace Rcpp;，//[[Rcpp::export]])//是C++和Rcpp需要的一些头文件。//如果在RStudio中创建新C++文件，RStudio会自动生成这些头文件。//[[Rcpp::export]]NumericVector add_one(int time) {//这个函数会计算一个向量，其中第一个元素是0，之后每个元素相对上一个元素增加1//注意：C++中的注释开头是“//”//C++中，所有变量的类型和函数返回值的类型都需要主动声明 (例如NumericVector)。//每一句代码要以分号结束//而且数组序号从0开始//NumericVector是Rcpp中的一种数据类型。//使用这种类型，可以保证函数返回值可以被转化成R向量。NumericVector x(time+1);  x(0) = 0;  for(int i = 1; i <= time; i++){    x(i) = x(i-1) + 1;  }  return x;}

*R程序*

library(Rcpp)sourceCpp("add_one_zh.cpp") #将Rcpp函数导入R中t1add_one(100000000) # 运行Rcpp函数t2t2-t1 # 计算运行时间# Time difference of 1.545115 secs#相同功能的R函数add_one_slow x){  y "integer",   y[1] = 0  for(i in 1:x+1){    y[i] y[i-  }  return(y)}t1add_one_slow(100000000) # 运行Rcpp函数t2t2-t1 # 计算运行时间# Time difference of 18.90944 secs

从运行时间可以看出，本例中实现相同功能的C++函数比R函数快了十倍有余。结语本文对R语言中连接Python和C++的两个程序包reticulate和Rcpp做了简单介绍。利用Python和C++的优势，我们可以扩展R程序可以应用的程序包，加快R语言的运行速度。以上介绍方法只是R语言扩展方式中的很小一个部分，还有许多其他的功能等待大家发现。感兴趣的朋友可以参考上述程序包官网上的手册和相关指导文件。祝大家写代码愉快！本文涉及代码

https://github.com/Sciurus365/RPyCpp

其他资料Advanced R中Rcpp相关的章节：

http://adv-r.had.co.nz/Rcpp.html

另一本Rcpp的参考书籍：Rcpp for everyone

 https://teuder.github.io/rcpp4everyone_en/

• 大话Python第2期——基础入门2

• 大话Python第1期——Python基础入门

• 用R进行多层中介的完整流程：从数据预处理到置信区间的生成

• R语言和Jspsych编写本地和在线心理学实验和问卷教程

• R-studio 中少为人知的秘技

• ...

重要通知小伙伴们，感谢您浏览到这里 。我们在每周六晚八点准备了优质且精彩的学术资源分享，如果您不想错过，我们强烈建议您将“荷兰心理统计联盟”设为星标，三步搞定！第一步：点击顶部蓝色字体“荷兰心理统计联盟”，进入我们公众号的主页；第二步：点击页面右上角“...”，弹出选项卡；第三步：点击“设为星标”。