Legjobb válasz
Pontos szeretnék lenni, és azt mondanám, hogy az R jó az adatok elemzéséhez, különösen, ha inkább a „modern R” fejlesztést követi őshonos R. ökoszisztémáját nagyon vonzónak találom. Íme néhány dolog, ami kiemeli az R-t.
- Az R ingyenes, összehasonlítva más népszerű statisztikai / adatelemző szoftverekkel, mint például az SAS vagy a Matlab.
- R Táblázatos adatok kezelésére tervezték az adatelemzés során. (Soha nem tervezték olyan általános nyelvként, mint a python, ezért nem igazán hasonlíthatók össze.)
- Az R rendelkezik a legjobb adatkezelési, adatmegjelenítési és eredményjelentési képességekkel. Ilyenek például a tidyverse (dplyr, tidyr, ggplot2 stb.), Data.table, Rmarkdown, fényes alkalmazás stb. A Pythonban vannak hasonló dolgok, de közel sem olyan jóak vagy könnyen használhatóak. A ggplot2 megjelenítő csomag nagyon jó megjelenésű és nagyon bonyolult ábrázolást képes kezelni. Néhány ember használhatja az R-t egyszerűen a ggplot2-re. Vannak webalapú grafikus csomagok is, például plotly stb.
- Rstudio IDE. Egyszerűen fantasztikus. Azt mondanám, hogy R vonzereje legalább a felére csökken, ha az Rstudio nem létezik. Hogy szeretném, ha a pythonnak lenne valami olyan szép megjelenése, könnyen kezelhető és erőteljes. (A Spyder közel van, csak még nincs ott.)
- Kereskedelmi fejlesztés az Rstudio részéről. A nyereségorientált fejlődés kritikus fontosságú az R ökoszisztéma hosszú távú egészsége szempontjából. R erős felhasználói közösséggel rendelkezik, és az Rstudio vállalat elkötelezett. Úgy gondolom, hogy az Rstudio nemrégiben tett erőfeszítései sokkal vonzóbbá tették R-t, mint mások. Ez azt jelenti, hogy a fantasztikus Rstudio IDE környezet integrálva van az Rmarkdown, az Rbookdown, a hibakereső eszközök, a fényes alkalmazás stb. Segítségével. Az Rstudio felvett néhány legfontosabb R fejlesztőt is, például Hadley Wickhamet, Max Kuhnt, Yihui Xie-t stb., Amelyeket a modern lelkének tekintenek. R. Az a jó dolog, amikor ezek az emberek csatlakoztak az Rstudióhoz, az R csomagjaikat, mint például a knitr, a devtools stb., Szintén javítják és integrálják a jobb munkafolyamat érdekében.
- Végül, ha már felugrott a hajóra R, nem nehéz alkalmazni a képességeidet a pythonra. A Python, mint nyelv, könnyebben megtanulható, mint R. Az R-ben képzett adatelemzés gondolkodásmódjával hasonló készségek elég gyorsan átkerülhetnek a python-ba.
Ha valaki szeretne valamennyit Hadley legújabb könyve, az „R az adattudományért” nagyon jó bevezetésként szolgálhat a modern R divatban való munkához. Kövesse továbbá az Rstudio fejlődését, mivel folyamatosan új dolgokat adnak hozzá, amelyek az R használatát nagyon élvezetessé teszik.
Válasz
Amint Paulina Jonušaitė rámutatott, R azért jó, mert jó statisztikusoknak tervezték statisztikusok, és bár a statisztikusok nem kompetens nyelvtervezők – határozottan nem elegendőek ahhoz, hogy a nyelv tervét koherenssé és kiszámíthatóvá tegyék – nyilvánvalóan kiderül, hogy átlagosan a nyelv azt teszi, amire számítani lehet (vagy legalábbis elég gyakran ahhoz, hogy azok az emberek, akik csak felszínes kapcsolatban voltak vele , általában nem veszik észre következetlenség).
Az R programozási nyelvet úgy tervezték, hogy egy nagyon jó Scheme nevű programozási nyelvet vett fel, és furcsa szintaxist és viselkedést dobott be, hogy ez a statisztikusok számára vonzóbbá váljon. Tehát, ha van valamilyen jóérzés abban a nyelvben, akkor annak a Sémáról kell származnia.
Néhány utalást talál Panicz Godek válaszában arra, hogy Miért különbözteti R szintaxisa (rosszul) a többi nyelvtől programozási nyelvek?