최상의 답변
구체적으로 말하고 R이 데이터 분석에 좋다고 말합니다. 특히 “현대 R”개발을 따르는 경우 더욱 그렇습니다. 나는 그 생태계가 매우 매력적이라고 생각합니다. 다음은 R을 돋보이게하는 몇 가지 요소입니다.
- R은 SAS 또는 Matlab과 같은 다른 인기있는 통계 / 데이터 분석 소프트웨어에 비해 무료입니다.
- R은 데이터 분석에서 테이블 형식 데이터를 처리하도록 설계되었습니다. (python과 같은 일반 언어로 설계되지 않았기 때문에 비교할 수 없습니다.)
- R은 최고의 데이터 조작, 데이터 시각화, 결과보고 기능을 갖추고 있습니다. tidyverse (dplyr, tidyr, ggplot2 등), data.table, Rmarkdown, shiny app 등과 같은 것. Python에는 비슷한 것이 있지만 사용하기가 그리 좋거나 쉽지는 않습니다. 시각화 패키지 ggplot2는 매우보기 좋고 매우 복잡한 플로팅을 처리 할 수 있습니다. 어떤 사람들은 단순히 ggplot2에 R을 사용할 수 있습니다. plotly 등과 같은 웹 기반 그래픽 패키지도 있습니다.
- Rstudio IDE. 정말 환상적입니다. Rstudio가 없다면 R의 매력은 적어도 절반은 삭감 될 것입니다. 파이썬이 너무 멋지고, 사용하기 쉽고, 강력하기를 바랍니다. (Spyder는 아직 가까이 있지 않습니다.)
- Rstudio의 상업용 개발. 이익 중심 개발은 R 생태계의 장기적인 건전성에 중요합니다. R은 강력한 사용자 커뮤니티와 Rstudio 회사의 강력한 헌신을 가지고 있습니다. 최근 Rstudio의 노력으로 R이 남들보다 훨씬 매력적인 환경이되었다고 생각합니다. 이는 Rmarkdown, Rbookdown, 디버깅 도구, 반짝이는 앱 등과 통합 된 환상적인 Rstudio IDE 환경을 의미합니다. Rstudio는 또한 현대의 영혼으로 간주되는 Hadley Wickham, Max Kuhn, Yihui Xie 등과 같은 가장 중요한 R 개발자를 고용했습니다. R. 좋은 점은이 사람들이 Rstudio에 가입했을 때 더 나은 워크 플로우를 위해 knitr, devtools 등과 같은 R 패키지도 개선되고 통합된다는 것입니다.
- 마지막으로 이미 배에 올라 타 셨다면 R의 기술을 파이썬에 적용하는 것은 어렵지 않습니다. 언어로서의 Python은 R보다 배우기 쉽습니다. R에서 훈련 된 데이터 분석의 사고 방식으로 유사한 기술을 Python으로 상당히 빠르게 이전 할 수 있습니다.
현대 R 패션으로 작업한다는 아이디어는 Hadley의 최근 저서 “R for data science”가 아주 좋은 소개가 될 수 있습니다. 또한 Rstudio의 개발을 따르십시오. R을 사용하는 것을 매우 즐거운 경험으로 만드는 새로운 기능을 지속적으로 추가하고 있습니다.
답변
Paulina Jonušaitė가 지적했듯이 R은 좋은 이유입니다. 통계학자가 통계학자를 위해 설계했으며, 통계학자는 유능한 언어 디자이너는 아니지만 (확실히 일관성 있고 예측 가능한 언어 디자인을 만들기에는 충분하지 않습니다.) 평균 / span> 언어는 예상대로 수행합니다 (또는 최소한 피상적으로 만 접촉 한 사람들이 일반적으로 인식하지 못하도록 충분히 자주 비 일관성).
R 프로그래밍 언어는 Scheme이라는 매우 좋은 프로그래밍 언어를 사용하고 이상한 구문과 동작을 던져 통계 학자에게 더 매력적으로 보이도록 설계되었습니다. 따라서 해당 언어에 좋은 느낌이 있다면 Scheme에서 비롯된 것이어야합니다.
왜 R의 구문이 다른 것과 (심하게) 다른가에 대한 Panicz Godek의 답변에서 일부 참조를 찾을 수 있습니다. 프로그래밍 언어?