Bedste svar
Jeg vil være specifik og sige, at R er god til dataanalyse, især hvis du i stedet følger den “moderne R” -udvikling af indfødte R. Jeg finder dets økosystem meget attraktivt. Her er nogle af de ting, der får R til at skille sig ud.
- R er gratis sammenlignet med andre populære statistiske / dataanalysesoftware som SAS eller Matlab.
- R var designet til at håndtere tabeldata i dataanalyse. (Det blev aldrig designet som et generelt sprog som python, så de er ikke rigtig sammenlignelige.)
- R har nogle af de bedste datamanipulationer, datavisualisering, kapaciteter til rapportering af resultater. Ting som tidyverse (dplyr, tidyr, ggplot2 osv.), Data.table, Rmarkdown, skinnende app osv. Der er lignende ting i Python, men ikke nær så god eller nem at bruge. Visualiseringspakken ggplot2 ser bare så flot ud og kan håndtere meget kompliceret plotning. Nogle mennesker bruger muligvis R simpelthen til ggplot2. Der er også webbaserede grafiske pakker som plottet osv.
- Rstudio IDE. Det er simpelthen fantastisk. Jeg vil sige, at Rs tiltrækningskraft mindskes mindst halvdelen, hvis Rstudio ikke eksisterer. Hvordan jeg ønsker, at python har noget så flot, let at bruge og kraftfuldt. (Spyder er tæt, bare ikke der endnu.)
- Kommerciel udvikling af Rstudio. Profittdrevet udvikling er kritisk for R-økosystemets sundhed på lang sigt. R har et stærkt brugerfællesskab og det stærke engagement fra firmaet Rstudio. Jeg tror, den nylige indsats fra Rstudio har gjort R til et meget tiltalende miljø, som andre. Det betyder det fantastiske Rstudio IDE-miljø, integreret med Rmarkdown, Rbookdown, fejlfindingsværktøjer, skinnende app osv. Rstudio hyrede også nogle af de vigtigste R-udviklere som Hadley Wickham, Max Kuhn, Yihui Xie osv., Der betragtes som sjælene i moderne R. Det pæne er, når disse mennesker sluttede sig til Rstudio, deres R-pakker, såsom strik, devtools osv. Også forbedres og integreres for en bedre arbejdsgang.
- Endelig, hvis du allerede er sprunget på skibet af R, er det ikke svært at anvende dine færdigheder til python. Python, som sprog, er lettere at lære end R. Med tankegangen til dataanalyse uddannet i R kan lignende færdigheder overføres til python ret hurtigt.
Hvis nogen vil have nogle idé om at arbejde på moderne R-måde, Hadleys seneste bog “R for datavidenskab” kan tjene som en meget flot introduktion. Følg også udviklingen af Rstudio, da de kontinuerligt tilføjer nye ting, der gør brug af R til en meget behagelig oplevelse.
Svar
Som Paulina Jonušaitė påpegede, er R god, fordi den blev designet til statistikere af statistikere, og mens statistikere ikke er kompetente sprogdesignere – bestemt ikke nok til at lave et design af et sprog sammenhængende og forudsigeligt – viser det sig tilsyneladende, at i gennemsnit sproget gør som man kunne forvente (eller i det mindste ofte nok til at de mennesker, der kun havde en overfladisk kontakt med det normalt ikke bemærker dets inkoherens).
R programmeringssprog blev designet ved at tage et meget godt programmeringssprog kaldet Scheme og smide nogle underlige syntakser og adfærd for at gøre det, uhm, mere tiltalende for statistikere. Så hvis der er nogen følelse af godhed på dette sprog, skal det komme fra skema.
Du kan finde nogle referencer i Panicz Godeks svar på Hvorfor er syntaksen for R så (dårligt) forskellig fra andre programmeringssprog?