在R中通过system命令执行Python脚本后直接获取Dataframe

不用再绕弯子存CSV啦！推荐用reticulate包来实现R和Python的无缝交互——这是RStudio官方推出的工具，专门用来在R里调用Python代码、共享对象，比用system命令高效太多了。下面分两种方案给你演示：

方案一：用reticulate直接调用Python函数（最推荐） #

这个方法能让你在R里直接运行Python代码、调用函数，还能直接把Python的DataFrame转换成R的data.frame，完全不用中间文件。

步骤1：安装并加载reticulate #

install.packages("reticulate")
library(reticulate)

步骤2：指定你的Python环境 #

告诉reticulate用你的Anaconda Python路径：

use_python("/Users/ravinderbhatia/anaconda/bin/python")

步骤3：在R中调用你的Python函数 #

你有两种方式：

• 把Python代码直接嵌入R里
• 导入外部的Python脚本

这里我们用导入外部脚本的方式：

# 导入你的Python脚本
source_python("/Users/ravinderbhatia/Downloads/Untitled3.py")

# 直接调用Python里的get_similar_CRs函数，参数和之前一致
result_df <- get_similar_CRs("EMEA", "regulatory", "10% productivity saves SOW")

# 现在result_df就是R的data.frame了！
print(result_df)

注意：修改你的Python脚本 #

你需要稍微调整一下Python脚本，去掉那些额外的print语句（不然会在R控制台输出无关内容），确保函数正确返回DataFrame即可：

import pandas as pd
import numpy as np
from difflib import SequenceMatcher

def similar(a, b):
    return SequenceMatcher(None, a, b).ratio()

def get_similar_CRs(arg1, arg2, arg3):
    ## 创建模拟数据
    cr_id=range(1,41)
    description=['change in design','More robust system required', 'Grant system adminstrator rights', 'grant access to all products', 'Increase the credit limit', 'EDAP Scenario', 'Volume prpductivity for NA 2015', '5% productivity saves SOW', 'effort reduction', 'reduction of false claims', 'Volume productivity EMEA', 'Volume productivity for NA 2016', '10% productivity saves SOW', ]
    region=['EMEA','Asia Pacific','UK']
    business=['card','secured loan','mortgage']
    type=['regulatory','system','audit']
    status=['pending','approved']
    data=pd.DataFrame()
    data['description']=np.random.choice(description, 40)
    data['cr_id']=cr_id
    data['region']=np.random.choice(region,40)
    data['business']=np.random.choice(business, 40)
    data['status']=np.random.choice(status,40)
    data['type']=np.random.choice(type,40)
    subset_data=data.loc[data.region == arg1]
    subset_data=subset_data.loc[subset_data.type ==arg2]
    new_cr=arg3
    cr_list=data['description'].unique().tolist()
    similar_CR=[]
    for cr in cr_list:
        result=similar(new_cr,cr)
        if result >=0.8:
            similar_CR.append(cr)
    temp=subset_data.loc[subset_data.description.isin(similar_CR)]
    temp=temp[['description','status','region']]
    return temp

# 移除原来的print(temp)，reticulate会直接把返回的DataFrame传给R

方案二：通过JSON传递（不用reticulate的备选） #

如果你暂时不想用reticulate，可以让Python把DataFrame转成JSON输出到标准输出，然后R捕获这个输出再解析成data.frame。

修改Python脚本 #

在脚本最后，把DataFrame转成JSON输出：

# 原有代码不变，最后替换print(temp)为：
print(temp.to_json(orient="records"))

R端捕获输出并解析 #

用system的intern=TRUE参数捕获Python的输出，然后用jsonlite包解析：

install.packages("jsonlite")
library(jsonlite)

# 捕获Python脚本的输出
json_output <- system("/Users/ravinderbhatia/anaconda/bin/python /Users/ravinderbhatia/Downloads/Untitled3.py EMEA regulatory '10% productivity saves SOW'", intern=TRUE)

# 解析成R的data.frame
result_df <- fromJSON(paste(json_output, collapse=""))

print(result_df)

这个方法虽然可行，但不如reticulate灵活——比如你没办法在R里调用Python的其他函数，也不能共享变量，所以还是优先推荐方案一。

内容的提问来源于stack exchange，提问作者user2906657