数极客，拥有16种数据分析模型的新一代用户行为分析平台！

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 pyodbc RODBC

JDBC 未知[Jython Only] 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 json jsonlite

图片 PIL 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 scipy.stats.skew, pandas.Series.skew e1071::skewness

直方图 numpy.histogram, numpy.histogram2d, numpy.histogramdd 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 sklearn.linear_modle.LassoLars lars::lars

稳健回归 statsmodels.RLM 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 scipy.stats.shapiro shapiro.test

Pearson相关系数检验 scipy.stats.pearsonr cor.test

时间序列 类别 Python R AR statsmodels.ar_model.AR ar

ARIMA statsmodels.arima_model.arima arima

VAR statsmodels.var_model.var 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 sklearn.discriminant_analysis.LinearDiscriminantAnalysis MASS::lda

QDA sklearn.discriminant_analysis.QuadraticDiscriminantAnalysis 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) sklearn.svm.NuSVC 未知

线性支持向量分类器(Lenear SVC) sklearn.svm.LinearSVC 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 sklearn.neighbors.RadiusNeighborsClassifier 未知

临近重心分类器(Nearest Centroid Classifier) sklearn.neighbors.NearestCentroid 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) sklearn.naive_bayes.MultinomialNB 未知

伯努利贝叶斯(Bernoulli Naive Bayes) sklearn.naive_bayes.BernoulliNB 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 sklearn.ensemble.RandomForestClassifier randomForest::randomForest, party::cforest

随机森林回归器 sklearn.ensemble.RandomForestRegressor 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 sklearn.cluster.Birch 未知

K-Medoids聚类 pyclust.KMedoids(可靠性未知) cluster.pam

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

FP-Growth算法 fp-growth(可靠性未知，不支持py3), PyFIM(可靠性未知，不可用pip安装) 未知

神经网络 类别 Python R 神经网络 neurolab.net, keras.* nnet::nnet, nueralnet::nueralnet

深度学习 keras.* 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 jieba.cut, smallseg, Yaha, finalseg, genius jiebaR

TFIDF gensim.models.TfidfModel 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 gensim.models.rpmodel.RpModel 未知

HDP gensim.models.hdpmodel.HdpModel 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 python-weka-wrapper RWeka

Tableau tableausdk 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

数极客是新一代用户行为分析与数据智能平台，支持用户数据分析、运营数据分析、留存分析、路径分析、漏斗分析、用户画像、SEM数据分析等16种分析模型的数据分析产品，支持网站统计、网站分析、APP统计、APP分析等分析工具，以及会员营销系统和A/B测试工具等数据智能应用，支持SAAS和私有化部署,提升用户留存和转化率，实现数据驱动增长!

数极客是新一代用户行为分析与数据智能平台，支持用户数据分析、运营数据分析、留存分析、路径分析、漏斗分析、用户画像、SEM数据分析等16种分析模型的数据分析产品，支持网站统计、网站分析、APP统计、APP分析等分析工具，以及会员营销系统和A/B测试工具等数据智能应用，支持SAAS和私有化部署,提升用户留存和转化率，实现数据驱动增长!

【独家稿件及免责声明】本站原创文章如需转载请联系我们，未经书面许可禁止转载，本站转载文章著作权归原作者所有，如有侵权请联系:。