Migliore risposta
Voglio essere specifico e dire che R è buono per lanalisi dei dati, soprattutto se segui invece lo sviluppo “R moderno” del nativo R. Trovo il suo ecosistema molto attraente. Ecco alcune delle cose che fanno risaltare R.
- R è gratuito, rispetto ad altri popolari software di analisi statistica / dati come SAS o Matlab.
- R era progettato per gestire i dati tabulari nellanalisi dei dati. (Non è mai stato progettato come un linguaggio generale come Python, quindi non sono davvero confrontabili.)
- R ha alcune delle migliori funzionalità di manipolazione dei dati, visualizzazione dei dati e report dei risultati. Cose come tidyverse (dplyr, tidyr, ggplot2 ecc.), Data.table, Rmarkdown, app brillante ecc. Ci sono cose simili in Python, ma non altrettanto buone o facili da usare. Il pacchetto di visualizzazione ggplot2 è così bello e può gestire stampe molto complesse. Alcune persone potrebbero usare R semplicemente per ggplot2. Esistono anche pacchetti grafici basati sul web come plotly ecc.
- Rstudio IDE. È semplicemente fantastico. Direi che lattrattiva di R sarà ridotta almeno della metà se Rstudio non esiste. Come vorrei che Python avesse qualcosa di così bello, facile da usare e potente. (Spyder è vicino, ma non è ancora arrivato.)
- Sviluppo commerciale di Rstudio. Lo sviluppo orientato al profitto è fondamentale per la salute a lungo termine dellecosistema R. R ha una forte comunità di utenti e il forte impegno dellazienda Rstudio. Penso che i recenti sforzi di Rstudio abbiano reso lambiente R molto attraente che altri. Ciò significa che il fantastico ambiente IDE Rstudio, integrato con Rmarkdown, Rbookdown, strumenti di debug, app brillante ecc. Rstudio ha anche assunto alcuni dei più importanti sviluppatori di R come Hadley Wickham, Max Kuhn, Yihui Xie ecc. Che sono considerati le anime del moderno R. La cosa bella è che quando queste persone si sono unite a Rstudio, anche i loro pacchetti R, come knitr, devtools ecc. Sono migliorati e integrati per un flusso di lavoro migliore.
- Infine, se sei già salito sulla nave di R, non è difficile applicare le tue abilità a Python. Python, come linguaggio, è più facile da imparare di R. Con la mentalità dellanalisi dei dati addestrata in R, abilità simili possono essere trasferite a Python abbastanza rapidamente.
Se qualcuno vuole avere un po di idea di lavorare nella moderna moda R, il recente libro di Hadley “R for data science” può servire come una bella introduzione. Inoltre, segui lo sviluppo di Rstudio, poiché aggiungono continuamente nuove cose che rendono lutilizzo di R unesperienza molto piacevole.
Risposta
Come ha sottolineato Paulina Jonušaitė, R è buono perché è stato progettato per gli statistici dagli statistici e, sebbene gli statistici non siano progettisti linguistici competenti – sicuramente non abbastanza per rendere il progetto di un linguaggio coerente e prevedibile – sembra che in media la lingua fa come ci si aspetterebbe (o almeno abbastanza frequentemente in modo che le persone che hanno avuto solo un contatto superficiale con essa di solito non se ne accorgano incoerenza).
Il linguaggio di programmazione R è stato progettato prendendo un ottimo linguaggio di programmazione chiamato Scheme, e inserendo una sintassi e un comportamento strani per renderlo, uhm, più attraente per gli statistici. Quindi, se cè un senso di bontà in quella lingua, deve provenire da Scheme.
Puoi trovare alcuni riferimenti nella risposta di Panicz Godek a Perché la sintassi di R è così (male) diversa da altre linguaggi di programmazione?