Najlepsza odpowiedź
Chcę być konkretny i powiedzieć, że R jest dobry do analizy danych, zwłaszcza jeśli zamiast tego podążasz za rozwojem „nowoczesnego R” rodzimego R. Uważam, że jego ekosystem jest bardzo atrakcyjny. Oto kilka rzeczy, które wyróżniają R.
- R jest darmowy w porównaniu z innymi popularnymi programami do analizy statystycznej / analizy danych, takimi jak SAS czy Matlab.
- R był zaprojektowany do obsługi danych tabelarycznych w analizie danych. (Nigdy nie został zaprojektowany jako język ogólny, taki jak python, więc nie są tak naprawdę porównywalne).
- R ma jedne z najlepszych możliwości manipulacji danymi, wizualizacji danych i raportowania wyników. Rzeczy takie jak tidyverse (dplyr, tidyr, ggplot2 itp.), Data.table, Rmarkdown, błyszcząca aplikacja itp. Są podobne rzeczy w Pythonie, ale nie są tak dobre ani łatwe w użyciu. Pakiet wizualizacji ggplot2 wygląda po prostu dobrze i może obsługiwać bardzo złożone kreślenia. Niektórzy ludzie mogą używać R po prostu dla ggplot2. Istnieją również internetowe pakiety graficzne, takie jak plotly itp.
- Rstudio IDE. To jest po prostu fantastyczne. Powiedziałbym, że atrakcyjność R zostanie zmniejszona co najmniej o połowę, jeśli Rstudio nie będzie istnieć. Chciałbym, żeby Python miał coś tak ładnego, łatwego w użyciu i potężnego. (Spyder jest blisko, ale jeszcze go nie ma).
- Komercyjny rozwój przez Rstudio. Rozwój oparty na zyskach ma kluczowe znaczenie dla długoterminowego stanu ekosystemu R. R ma silną społeczność użytkowników i duże zaangażowanie firmy Rstudio. Myślę, że ostatnie wysiłki Rstudio sprawiły, że R jest bardziej atrakcyjnym środowiskiem niż inni. Oznacza to fantastyczne środowisko Rstudio IDE, zintegrowane z Rmarkdown, Rbookdown, narzędziami do debugowania, błyszczącą aplikacją itp. Rstudio zatrudniło również kilku najważniejszych programistów R, takich jak Hadley Wickham, Max Kuhn, Yihui Xie itp., Którzy są uważani za dusze współczesnych R. Fajną rzeczą jest to, że kiedy ci ludzie dołączyli do Rstudio, ich pakiety R, takie jak knitr, devtools itp. Są również ulepszone i zintegrowane dla lepszego przepływu pracy.
- Na koniec, jeśli już wskoczyłeś na statek R, nie jest trudno zastosować swoje umiejętności w Pythonie. Python, jako język, jest łatwiejszy do nauczenia niż R. Mając sposób myślenia analizy danych wyszkolony w R, podobne umiejętności można dość szybko przenieść do Pythona.
Jeśli ktoś chce mieć pomysł pracy w stylu współczesnego języka R, niedawna książka Hadleya „R jak nauka o danych” może służyć jako bardzo miłe wprowadzenie. Śledź również rozwój Rstudio, ponieważ stale dodaje nowe rzeczy, dzięki którym korzystanie z R jest bardzo przyjemnym doświadczeniem.
Odpowiedź
Jak zauważyła Paulina Jonušaitė, R jest dobre, ponieważ został zaprojektowany przez statystyków dla statystyków i chociaż statystycy nie są kompetentnymi projektantami języka – zdecydowanie nie na tyle, aby projekt języka był spójny i przewidywalny – najwyraźniej okazuje się, że średnio język działa tak, jak można by się tego spodziewać (lub przynajmniej na tyle często, że ludzie, którzy mieli z nim jedynie powierzchowny kontakt zwykle nie zauważają jego incoherency).
Język programowania R został zaprojektowany przez przyjęcie bardzo dobrego języka programowania o nazwie Scheme i dorzucenie dziwnej składni i zachowania, aby uczynić go bardziej atrakcyjnym dla statystyków. Więc jeśli w tym języku jest jakieś poczucie dobra, to musi pochodzić ze Schematu.
Możesz znaleźć pewne odniesienia w odpowiedzi Panicza Godka na Dlaczego składnia R tak (źle) różni się od innych języki programowania?