Python और R – दोनों का सर्वश्रेष्ठ इस्तेमाल

आज हर उद्योग में डेटा साइंस एक अभिन्न हिस्सा बन चुका है। बैंकिंग से लेकर बीमा और हेल्थकेयर तक, हर सेकंड विशाल मात्रा में डेटा उत्पन्न हो रहा है। इसलिए यह अनिवार्य हो गया है कि हम इस व्यापक डेटा का उपयोग कर सकें, उससे क्रियात्मक अंतर्दृष्टि निकालें और उन पर काम करें। आज बाजार में कई प्रोग्रामिंग भाषाओं के रूप में अनेक टूल उपलब्ध हैं। उन सभी भाषाओं में से, Python और R दौड़ में सबसे आगे दिखाई देती हैं।

Python और R दोनों का डेटा साइंस जगत में व्यापक उपयोग होता है। दोनों भाषाओं में ऐसे अनेक टूल हैं जो डेटा साइंस की ज़रूरतों के लिए अत्यंत उपयुक्त फ़ंक्शन उपलब्ध कराते हैं। जहाँ Python एक सामान्य प्रयोजन की भाषा है जिसका उपयोग कई प्रकार के अनुप्रयोगों में होता है, वहीं R सांख्यिकीय संगणना और ग्राफिक्स के लिए एक प्रोग्रामिंग भाषा और परिवेश है।

Python और R ईकोसिस्टम का अवलोकन

आइए इन भाषाओं के विभिन्न पहलुओं पर नज़र डालें और जानें कि इनमें क्या अच्छा है और क्या कम अच्छा।

Python प्रोग्रामिंग भाषा

Python एक इंटरप्रेटेड, उच्च-स्तरीय, सामान्य प्रयोजन की प्रोग्रामिंग भाषा है। इसे Guido Van Rossum ने बनाया और 1991 में जारी किया। रिलीज़ के बाद से Python विभिन्न क्षेत्रों, जिनमें डेटा साइंस भी शामिल है, में अत्यंत लोकप्रिय रही है। आज Python दुनिया की सबसे तेज़ी से बढ़ती प्रोग्रामिंग भाषाओं में से एक है।

इसकी व्यापक लोकप्रियता के कुछ कारण हैं:

• ऑब्जेक्ट-ओरिएंटेड भाषा
• सामान्य प्रयोजन
• बेहतरीन सामुदायिक सहयोग
• सरल, समझने और सीखने में आसान
• pandas, numpy और scikit-learn जैसे दक्ष पैकेज, जो मशीन लर्निंग गतिविधियों के लिए इसे उत्कृष्ट विकल्प बनाते हैं।

हालाँकि, सांख्यिकीय संगणना के मामले में Python पीछे रह जाती है और इसके पास R जैसी विशेषीकृत पैकेजों की वैसी विविधता नहीं है।

R प्रोग्रामिंग भाषा

R मूलतः सांख्यिकीय संगणना और ग्राफिक्स के लिए एक सॉफ्टवेयर है, जिसे R फाउंडेशन फॉर स्टैटिस्टिकल कंप्यूटिंग का समर्थन प्राप्त है। यह पहली बार अगस्त 1993 में सामने आया, तथा 1995 में इसका पहला स्थिर संस्करण जारी हुआ। तब से यह सांख्यिकीविदों और डेटा माइनर्स द्वारा सांख्यिकीय संगणना हेतु व्यापक रूप से उपयोग किया जाता रहा है।

वे विशेषताएँ जो R को अन्य भाषाओं में अलग पहचान दिलाती हैं:

• लगभग हर उस सांख्यिकीय अनुप्रयोग के लिए पैकेज मौजूद हैं जिसके बारे में आप सोच सकते हैं। वर्तमान में CRAN पर 10 हजार से अधिक पैकेज होस्ट हैं।
• ggplot2 जैसी उत्कृष्ट विज़ुअलाइज़ेशन लाइब्रेरी के साथ आता है।
• बिल्ट-इन पैकेजों के साथ स्टैंडअलोन विश्लेषण करने में सक्षम।

पर एक कमी भी है। प्रदर्शन की दृष्टि से R सबसे तेज़ भाषा नहीं है और बड़े डेटासेट्स के साथ काम करते समय कभी-कभी बहुत अधिक मेमोरी खा सकती है।

Python और R को साथ‑साथ उपयोग करना

R और Python, दोनों अपने आप में उत्कृष्ट टूल हैं, लेकिन अक्सर इन्हें एक-दूसरे के प्रतिद्वंद्वी के रूप में देखा जाता है। इस नज़रिये के बजाय हमें दोनों भाषाओं की खूबियों का लाभ उठाना चाहिए ताकि हमें दोनों दुनियाओं का सर्वश्रेष्ठ मिल सके।

आज डेटा साइंस समुदाय में कई लोग प्रायः केवल एक ही भाषा में काम करते हैं। फिर भी कुछ लोग हैं जो Python और R दोनों का उपयोग करते हैं, हालाँकि उनकी संख्या कम है। दूसरी ओर, कई लोग केवल एक प्रोग्रामिंग भाषा के प्रति प्रतिबद्ध हैं, पर अपने प्रतिद्वंद्वी की कुछ क्षमताएँ पाना चाहते हैं। उदाहरण के लिए, R उपयोगकर्ता कभी‑कभी Python में स्वाभाविक रूप से उपलब्ध ऑब्जेक्ट‑ओरिएंटेड क्षमताओं की इच्छा रखते हैं और उसी प्रकार कुछ Python उपयोगकर्ता R में उपलब्ध पूर्ण सांख्यिकीय वितरणों की रेंज चाहते हैं।

नीचे दिया गया चित्र Red Monk द्वारा 2018 की तीसरी तिमाही में किए गए सर्वेक्षण के परिणाम दर्शाता है। ये परिणाम Stack Overflow और Github पर भाषाओं की लोकप्रियता पर आधारित हैं और स्पष्ट रूप से दिखाते हैं कि डेटा साइंस गतिविधियों के संदर्भ में R और Python दोनों ही काफ़ी ऊँचे स्थान पर हैं। अतः ऐसा कोई अंतर्निहित कारण नहीं कि हम दोनों के साथ एक ही प्रोजेक्ट में काम न कर सकें। हमारा अंतिम लक्ष्य बेहतर विश्लेषण करना और बेहतर अंतर्दृष्टि निकालना होना चाहिए, और प्रोग्रामिंग भाषा का चुनाव उसे पाने में बाधा नहीं बनना चाहिए।

एक ही प्रोजेक्ट में Python और R दोनों का उपयोग कैसे करें?

जब R या Python स्क्रिप्ट में SQL एम्बेड करने की बात आती है, तो हमें कोई हिचक नहीं होती। तो फिर R की सांख्यिकीय क्षमता और Python की प्रोग्रामिंग क्षमताओं का एक साथ उसी तरह उपयोग क्यों न करें? जी हाँ, यह संभव है, और ऐसी लाइब्रेरी मौजूद हैं जो इन ट्रांज़िशन को बहुत अच्छी तरह संभालती हैं।

मूल रूप से दो दृष्टिकोण हैं जिनसे हम एक ही प्रोजेक्ट में Python और R को साथ‑साथ उपयोग कर सकते हैं।

Python के भीतर R

इसका मतलब Python स्क्रिप्ट के भीतर R फ़ंक्शन कॉल करना है। इस उद्देश्य के लिए बनाई गई कुछ लाइब्रेरियाँ हैं:

1. PypeR

PypeR पाइप्स के माध्यम से Python से R तक पहुँचने का एक सरल तरीका प्रदान करती है। PypeR Python के पैकेज इंडेक्स में भी उपलब्ध है, जो इंस्टॉलेशन को और सुविधाजनक बनाता है। जब Python और R के बीच बार‑बार इंटरैक्टिव डेटा ट्रांसफ़र की ज़रूरत नहीं होती, तो PypeR विशेष रूप से उपयोगी है। पाइप के जरिए R चलाने पर, Python प्रोग्राम को सब-प्रोसेस कंट्रोल, मेमोरी कंट्रोल और Windows, GNU Linux और Mac OS सहित लोकप्रिय ऑपरेटिंग सिस्टम प्लेटफ़ॉर्म्स पर पोर्टेबिलिटी में लचीलापन मिलता है।

Python ऑब्जेक्ट्स को R ऑब्जेक्ट्स में बदलने के कन्वर्ज़न के लिए मानक

2. pyRserve

pyRserve इसी उद्देश्य के लिए बनाई गई एक और लाइब्रेरी है। यह Rserve का उपयोग RPC कनेक्शन गेटवे के रूप में करती है। ऐसे कनेक्शन के माध्यम से Python से R में वेरिएबल सेट किए जा सकते हैं और R‑फंक्शंस को रिमोटली कॉल किया जा सकता है। कई मामलों में R ऑब्जेक्ट्स को Python‑इम्प्लीमेंटेड क्लासों के इंस्टेंस के रूप में एक्सपोज़ किया जाता है, जहाँ R फ़ंक्शंस उन ऑब्जेक्ट्स पर बाउंड मेथड्स की तरह उपलब्ध होते हैं।

3. rpy2

rpy2 लाइब्रेरी का उपयोग ऊपर बताई गई दोनों की तुलना में अधिक होता है। कारण है कि rpy2 सक्रिय और तीव्रता से विकसित की जा रही है। यह Python प्रोसेस में एम्बेडेड R चलाती है। यह ऐसा फ़्रेमवर्क बनाती है जो Python ऑब्जेक्ट्स को R ऑब्जेक्ट्स में ट्रांसलेट कर सके, उन्हें R फ़ंक्शंस में पास करे, और R के आउटपुट को वापस Python ऑब्जेक्ट्स में बदल दे।

Python के भीतर R का उपयोग करने का एक लाभ यह है कि हम R के शानदार पैकेज जैसे ggplot2, tidyr, dplyr आदि को Python में आसानी से उपयोग कर पाएँगे। उदाहरण के तौर पर, देखते हैं कि Python में मैपिंग के लिए ggplot2 का सरलता से उपयोग कैसे कर सकते हैं।

• बेसिक प्लॉट

https://rpy2.github.io/doc/latest/html/graphics.html#plot

• जियोमेट्री

https://rpy2.github.io/doc/latest/html/graphics.html#geometry

rpy2 संसाधन

rpy2 की स्थापना और कार्यप्रणाली पर गहन समीक्षा और विस्तृत जानकारी के लिए आप निम्नलिखित संसाधनों पर नज़र डाल सकते हैं:

• rpy2 का आधिकारिक प्रलेखन
• RPy2: डेटा साइंस के लिए R + Python की शक्ति का संयोजन
• RPy2 का उपयोग कर Python से R तक पहुँचना

R के भीतर Python

निम्न विकल्पों का उपयोग करके R में Python स्क्रिप्ट्स चलाना भी संभव है:

1. rJython

यह पैकेज Jython के माध्यम से Python के लिए एक इंटरफेस लागू करता है। इसका उद्देश्य अन्य पैकेजों के लिए R के साथ Python कोड एम्बेड करने की सुविधा देना है।

2. rPython

rPython फिर से एक ऐसा पैकेज है जो R को Python कॉल करने देता है। यह R से Python कोड चलाना, फ़ंक्शन कॉल करना, वेरिएबल असाइन और रिट्रीव करना आदि संभव बनाता है।

3. SnakeCharmR

SnakeCharmR, rPython का एक आधुनिक ओवरहॉल्ड संस्करण है। यह ‘rPython’ से फोर्क है जो ‘jsonlite’ का उपयोग करता है और rPython पर कई सुधार प्रदान करता है।

4. PythonInR

PythonInR, R के भीतर से Python तक पहुँच को बहुत आसान बना देता है और Python से इंटरैक्ट करने के लिए फ़ंक्शन प्रदान करता है।

5. reticulate

reticulate पैकेज Python और R के बीच इंटरऑपरेबिलिटी के लिए टूल्स का व्यापक सेट प्रदान करता है। ऊपर बताए गए सभी विकल्पों में से यही सबसे व्यापक रूप से उपयोग किया जाता है, विशेषकर इसलिए कि इसे Rstudio द्वारा आक्रामक रूप से विकसित किया जा रहा है।
Reticulate R सत्र के भीतर एक Python सत्र एम्बेड करता है, जिससे निर्बाध और उच्च-प्रदर्शन इंटरऑपरेबिलिटी सक्षम होती है। यह पैकेज आपको Python कोड को R में &em;reticulate&em; करने देता है, और दोनों भाषाओं को बुनते हुए नए प्रकार के प्रोजेक्ट बनाने में सक्षम बनाता है।

reticulate पैकेज निम्न सुविधाएँ प्रदान करता है:

• R से Python को कई तरीकों से कॉल करना, जिनमें R Markdown, Python स्क्रिप्ट्स को सोर्स करना, Python मॉड्यूल्स इम्पोर्ट करना, और R सत्र के भीतर इंटरेक्टिव रूप से Python का उपयोग करना शामिल है।
• R और Python ऑब्जेक्ट्स के बीच अनुवाद (उदाहरण के लिए, R और Pandas डेटा फ़्रेम्स के बीच, या R मैट्रिसेज़ और NumPy ऐरेज़ के बीच)।
• विभिन्न Python संस्करणों से लचीला बाइंडिंग, जिनमें वर्चुअल एनवायरनमेंट्स और Conda एनवायरनमेंट्स शामिल हैं।

Reticulate संसाधन

reticulate पैकेज के उपयोग पर कुछ उत्कृष्ट संसाधन:

• प्रलेखन काफ़ी मज़बूत है और आरंभ करने में मदद के लिए बहुत से उदाहरण और उपयोग‑मामले प्रदान करता है।
• https://longhowlam.wordpress.com/2017/04/10/test-driving-python-integration-in-r-using-the-reticulate-package/
• SNAKES IN A PACKAGE: RETICULATE के साथ PYTHON और R का संयोजन

निष्कर्ष

R और Python दोनों उत्कृष्ट टूल हैं और डेटा साइंस के कार्यों को शून्य से करने के लिए लगभग पर्याप्त हैं। संभव है कि आपको एक ही प्रोजेक्ट में दोनों का उपयोग करने की ज़रूरत न पड़े। फिर भी, दोनों का ज्ञान उपयोगी सिद्ध हो सकता है, विशेषकर हमें अलग‑अलग परिवेशों में काम करने का विकल्प देता है। जैसा कहा जाता है, ध्यान टूल्स पर नहीं, कौशल पर होना चाहिए। इसलिए यदि कोई नया टूल या भाषा समस्या को सरलता से हल करने में मदद करे, तो हमें उसे सीखने के लिए खुले मन से तैयार रहना चाहिए।

यदि आप किसी भी भाषा से शुरुआत करना चाहते हैं, तो DataCamp के Introduction to Python या Introduction to R कोर्स कर सकते हैं। साथ ही हमारा Python Tutorial for Beginners भी देखें।

संदर्भ:

• Interfacing R and Python — Andrew Collier
• ‘R बनाम Python’ से ‘R और Python’ तक