注 <- 對應R， = 對應Python
- R語言基本數據結構是向量，支持向量化操作。Python不支持向量化
- R和Python都是面向對象編程的語言。所以不同的類都各自的方法
R的向量矩陣數組與Python的列表
R語言的核心是向量，向量內的數據類型必須相同，也就是mode只會輸出一個結果，如果向量里存在不同數據類型，那么R會以數據損失最小的轉換方法讓最后結果保持一致。
比如說：
a <- c(1,2,3,4,5)
b <- c(1,2,'3',4, True)
a和b的mode肯定是不同，mode(a)的結果是numeric, mode(b)結果會是character.
R語言里的所有函數就支持向量化操作, 比如說數學運算符和各類函數
a + 1
[1] 2 3 4 5
R語言里面是沒有標量的，標量被R當作一個元素的向量。Python里面的數據類型是可以單個存放的。所以從輸出結果長的像角度上，Python和R語言的向量看起來相同的數據結構應該是列表(list)。list在Python里面序列類型，同類型的還有元祖（tuple）和范圍(range)
a = [1,2,3,4,'b']
不過只是在結構上看起來相似，Python不支持向量化操作，所以企圖直接a+1是會出錯的，即便里面都是數值型數據
a = [1,2,3,4,5]
a + 1
# TypeError: can only concatenate list (not "int") to list
a + ['b','c']
# [1, 2, 3, 4, 5, 'b', 'c']
就我目前的眼界，能想到實現R語言那樣的整體運算，在Python里面就是列表推導式了。
[i + 2 for i in a]
既然長的像，所以就要看看有哪些運算是共同的。
取值
雖然Python和R都可以用[]從數據結構中提取數據，但還是有很大區別。最最要的一個區別就是Python從0開始下標， R從1開始下標。
一維數據
提取一元數據時，如果只提取一個數據兩者差不多是相同的；
# 提取第一個元素
## R
a <- c(1,2,3,4,5,6)
a[1]
## Python
a = [1,2,3,4,5,6]
a[0]
如果要提取多個數據就存在差異了。比如說Python就只能選取連續的幾個值，要么分別取值。R語言可以在[]中提供一組包含位置信息的向量。R語言的[]可以存放Boolean向量，Python里面就需要用列表推導式，循環進行邏輯比較。
# R
a[c(1,3)]
a[which(a > 2)]
a[ a > 1 & a < 4]
# Python
a[1];a[3]
[i for i in a if i >1 and i <4]
但是一般而言，我們也不會專門選擇幾個數值，基本都是根據邏輯判斷結果選擇一組符合要求的數據。
多維數據
R語言的矩陣和數組結構有專門的結構，matrix和array，但是基礎還是向量。在Python里則是通過列表嵌套的方式實現。
# R matrix 看作三個向量按列排
mdat <- matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE,
dimnames = list(c("row1", "row2"),
c("C.1", "C.2", "C.3")))
# Python matrix
a= [[1,2,3],[4,5,6]]
# R 三維數組
d3 <- array(1:24, c(2,3,4))
# Python三維數組
d3 = [[[1,3,5],[2,4,6]],[[7,9,11],[8,10,12]],[[19,21,23],[20,22,24]]]
多維數據的提取和賦值也是有不大不小的區別,一個是[x,y,z],一個是[z][y][x]。R從里到外，Python從外到里（我是這樣理解的）。嘗試分別從Pyhon和R里面提取同一個數據
# R
d3[1,2,2]
d3[1,2,2] <- 0
# Python
d3[1][0][1]
d3[1][0][1] <- 0
如果想提取全部第二維度的數據
# R
d3[,,2]
# Python
d3[1]
函數
在函數用法上，兩者的差異就真的是很大了。結果就是有段時間只用R，然后按照R的習慣用Python，基本上都出error。比如說對剛才的三維數據求和
# R
sum(d3)
# Ptyhon
sum(d3)
TypeError: unsupported operand type(s) for +: 'int' and 'list'
原因是R里面是向量化操作，直接對所有元素進行運算。在Python里面，sum函數會對list里面的各個元素進行求和, 而d3的內一層還是一個列表，所以就會出錯了。
最直觀的方法就是看看R和Python的多維數組的元素數量：
# R
length(d3)
24
# Python
len(d3); d3.__len__()
3
因此R和Python的函數只能在一維上存在相似性，超過一維基本用一個錯一個。
Python作為一門面向對象編程語言，對于每一種列都有專門的方法，這個方法可以用dir()進行查看。
在R里面dir()是用來查看當前目錄下的文件。
dir(list)
['__add__', '__class__','__contains__',
'__delattr__', '__delitem__', '__dir__', '__doc__',
'__eq__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__gt__', '__hash__', '__iadd__',
'__imul__', '__init__', '__init_subclass__',
'__iter__', '__le__', '__len__', '__lt__',
'__mul__', '__ne__', '__new__', '__reduce__',
'__reduce_ex__', '__repr__', '__reversed__', '__rmul__',
'__setattr__', '__setitem__', '__sizeof__', '__str__',
'__subclasshook__', 'append', 'clear',
'copy', 'count', 'extend',
'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
所以Python里面經常會遇到d3.pop()這種調用類方法的形式。在R語言里則是函數的多態性，prin是其中一個多態性函數，它提供了一個接口，根據輸入數據類型調用相應的函數
# R
print
# function (x, ...)
# UseMethod("print")
# <bytecode: 0x000000001456fbf0>
# <environment: namespace:base>
可以用methods(print)看具體有那些具體函數。
