关于python的机器学习与数据挖掘的相关的包

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)