Meilleure réponse
Je veux être précis et dire que R est bon pour lanalyse de données, surtout si vous suivez plutôt le développement «R moderne» de R. indigène Je trouve son écosystème très attractif. Voici quelques-unes des choses qui font que R se démarque.
- R est gratuit, comparé à d’autres logiciels populaires d’analyse statistique / de données comme SAS ou Matlab.
- R était conçu pour gérer les données tabulaires dans lanalyse des données. (Il na jamais été conçu comme un langage général comme python, donc ils ne sont pas vraiment comparables.)
- R possède certaines des meilleures capacités de manipulation de données, de visualisation des données et de rapport de résultats. Des choses comme tidyverse (dplyr, tidyr, ggplot2 etc.), data.table, Rmarkdown, application brillante etc. Il y a des choses similaires en Python, mais pas aussi bonnes ou faciles à utiliser. Le package de visualisation ggplot2 est tellement beau et peut gérer des tracés très complexes. Certaines personnes peuvent utiliser R simplement pour ggplot2. Il existe également des packages graphiques basés sur le Web tels que plotly, etc.
- Rstudio IDE. C’est tout simplement fantastique. Je dirais que l’attractivité de R sera réduite d’au moins la moitié si Rstudio n’existe pas. Comment je souhaite que python ait quelque chose daussi beau, facile à utiliser et puissant. (Spyder est proche, mais pas encore là.)
- Développement commercial par Rstudio. Le développement axé sur le profit est essentiel pour la santé à long terme de lécosystème R. R a une forte communauté dutilisateurs et le fort engagement de la société Rstudio. Je pense que les récents efforts de Rstudio ont rendu R un environnement plus attrayant que les autres. Cela signifie le fantastique environnement IDE Rstudio, intégré à Rmarkdown, Rbookdown, outils de débogage, application brillante, etc. Rstudio a également embauché certains des développeurs R les plus importants tels que Hadley Wickham, Max Kuhn, Yihui Xie, etc. qui sont considérés comme les âmes du moderne R. La bonne chose est que lorsque ces personnes ont rejoint Rstudio, leurs packages R, tels que knitr, devtools, etc. sont également améliorés et intégrés pour un meilleur flux de travail.
- Enfin, si vous avez déjà sauté sur le navire de R, il nest pas difficile dappliquer vos compétences à python. Python, en tant que langage, est plus facile à apprendre que R. Avec létat desprit de lanalyse de données formé en R, des compétences similaires peuvent être transférées assez rapidement vers python.
Si quelquun veut en avoir idée de travailler à la mode R moderne, le récent livre de Hadley «R for data science» peut servir de très belle introduction. Suivez également le développement de Rstudio, car ils ajoutent continuellement de nouvelles choses qui rendent lutilisation de R très agréable.
Réponse
Comme la souligné Paulina Jonušaitė, R est bien parce quil a été conçu pour les statisticiens par des statisticiens, et bien que les statisticiens ne soient pas des concepteurs de langage compétents – certainement pas assez pour rendre la conception dun langage cohérente et prévisible – il savère que en moyenne la langue fait ce que lon attendait (ou du moins assez fréquemment pour que les personnes qui nont eu quun contact superficiel avec elle généralement ne le remarquent pas incohérence).
Le langage de programmation R a été conçu en prenant un très bon langage de programmation appelé Scheme, et en ajoutant une syntaxe et un comportement étranges pour le rendre, euh, plus attrayant pour les statisticiens. Donc, sil y a un sentiment de bonté dans ce langage, il doit venir de Scheme.
Vous pouvez trouver des références dans la réponse de Panicz Godek à Pourquoi la syntaxe de R est si (très) différente des autres langages de programmation?