Skip to content

Readme.md

Latest commit

 

History

History
93 lines (68 loc) · 3.6 KB

Readme.md

File metadata and controls

93 lines (68 loc) · 3.6 KB
Raw

Ejemplo Básico de Integración Python y R

Este script es un ejemplo clásico de tecnología “wrapped” entre Python y R, utilizando la librería rpy2 para invocar funciones, modelos y gráficos nativos de R directamente desde Python. Esto permite aprovechar la potencia estadística y los paquetes de visualización de R en proyectos Python, mientras conservas toda la flexibilidad del ecosistema Python y Pandas.

Descripción paso a paso

1. Importación de módulos y activación de conversión automática

import rpy2.robjects as ro
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri

pandas2ri.activate()
  • Se habilita la conversión automática entre pandas DataFrames y R data frames para que los datos sean interoperables entre ambos lenguajes.[5]

2. Carga de paquetes R desde Python

base = importr('base')
utils = importr('utils')
stats = importr('stats')
ggplot2 = importr('ggplot2')
  • Se importan paquetes básicos y avanzados de R (incluyendo ggplot2 para visualización) directamente en el entorno Python.[2][4]

3. Acceso y manipulación de datos de R en Python

mtcars = utils.data('mtcars')
r_mtcars = ro.r['mtcars']
  • Se carga el dataset clásico mtcars de R y se recupera para trabajar con él desde Python (puedes convertirlo fácilmente a pandas si lo deseas).[2][5]

4. Modelado estadístico envuelto (regresión lineal en R desde Python)

linear_model = ro.r('lm(mpg ~ wt + hp, data=mtcars)')
summary = ro.r('summary')(linear_model)
print(summary)
  • Se define un modelo de regresión lineal en R usando la sintaxis nativa y se muestra el resumen del modelo (coeficientes, error estándar, R², etc.) desde Python. Toda la lógica estadística corre realmente en R.[4][2]

5. Visualización envuelta con ggplot2

ro.r('''
library(ggplot2)
ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point() +
  geom_smooth(method="lm", se=FALSE, color="blue") +
  labs(title="Scatter plot with regression line",
       x="Weight (1000 lbs)",
       y="Miles per gallon (mpg)")
''')
  • Se genera un gráfico de dispersión con línea de regresión usando ggplot2 de R, invocando y gestionando directamente desde Python.[7][2]

Ventajas de este enfoque wrapped

  • Máxima interoperabilidad: Puedes mezclar análisis y visualizaciones de R y Python en el mismo flujo de trabajo.
  • Acceso potente a bibliotecas de R: Usas modelos, gráficos y técnicas altamente optimizados en R sin salir de Python.
  • Facilidad para transferir datos y resultados: La interoperabilidad entre pandas y R data.frames es automática gracias a rpy2.

Recursos recomendados

1 2 3 4 5 6 7 8