La mejor respuesta
Quiero ser específico y decir que R es bueno para el análisis de datos, especialmente si sigues el desarrollo de «R moderno» de R. nativa. Encuentro su ecosistema muy atractivo. Estas son algunas de las cosas que hacen que R se destaque.
- R es gratuito, en comparación con otro software popular de análisis de datos / estadísticas como SAS o Matlab.
- R fue diseñado para manejar datos tabulares en análisis de datos. (Nunca se diseñó como un lenguaje general como Python, por lo que no son realmente comparables).
- R tiene algunas de las mejores capacidades de manipulación de datos, visualización de datos y generación de informes de resultados. Cosas como tidyverse (dplyr, tidyr, ggplot2, etc.), data.table, Rmarkdown, aplicación brillante, etc. Hay cosas similares en Python, pero no tan buenas o fáciles de usar. El paquete de visualización ggplot2 es tan atractivo y puede manejar trazados muy complejos. Algunas personas pueden usar R simplemente para ggplot2. También hay paquetes de gráficos basados en la web como plotly, etc.
- Rstudio IDE. Es simplemente fantástico. Yo diría que el atractivo de R se reducirá al menos a la mitad si Rstudio no existe. Cómo desearía que Python tuviera algo tan bonito, fácil de usar y poderoso. (Spyder está cerca, pero todavía no ha llegado).
- Desarrollo comercial de Rstudio. El desarrollo impulsado por las ganancias es fundamental para la salud a largo plazo del ecosistema R. R tiene una fuerte comunidad de usuarios y el fuerte compromiso de la empresa Rstudio. Creo que los recientes esfuerzos de Rstudio han hecho de R un entorno mucho más atractivo que otros. Eso significa el fantástico entorno Rstudio IDE, integrado con Rmarkdown, Rbookdown, herramientas de depuración, aplicaciones brillantes, etc. Rstudio también contrató a algunos de los desarrolladores de R más importantes, como Hadley Wickham, Max Kuhn, Yihui Xie, etc.que se consideran las almas de los modernos. R. Lo bueno es que cuando estas personas se unieron a Rstudio, sus paquetes de R, como knitr, devtools, etc. también se mejoraron e integraron para un mejor flujo de trabajo.
- Por último, si ya se ha subido al barco de R, no es difícil aplicar sus habilidades a Python. Python, como lenguaje, es más fácil de aprender que R. Con la mentalidad de análisis de datos entrenada en R, se pueden transferir habilidades similares a Python con bastante rapidez.
Si alguien quiere tener alguna idea de trabajar en la moda R moderna, el reciente libro de Hadley “R para ciencia de datos” puede servir como una muy buena introducción. Además, siga el desarrollo de Rstudio, ya que continuamente agregan cosas nuevas que hacen que usar R sea una experiencia muy agradable.
Respuesta
Como señaló Paulina Jonušaitė, R es bueno porque fue diseñado para estadísticos por estadísticos, y aunque los estadísticos no son diseñadores de lenguajes competentes, definitivamente no lo suficiente para hacer un diseño de un lenguaje coherente y predecible, aparentemente resulta que en promedio el lenguaje hace lo que uno esperaría (o al menos con la frecuencia suficiente para que las personas que solo tuvieron un contacto superficial con él generalmente no se den cuenta de su incoherencia).
El lenguaje de programación R fue diseñado tomando un muy buen lenguaje de programación llamado Scheme y agregando una sintaxis y un comportamiento extraños para hacerlo, uhm, más atractivo para los estadísticos. Entonces, si hay algún sentido de bondad en ese lenguaje, debe provenir de Scheme.
Puede encontrar algunas referencias en la respuesta de Panicz Godek a ¿Por qué la sintaxis de R es tan (muy) diferente de otras? lenguajes de programación?