Melhor resposta
Quero ser específico e dizer que R é bom para análise de dados, especialmente se você seguir o desenvolvimento do “R moderno” de R. nativa Acho seu ecossistema muito atraente. Aqui estão algumas das coisas que fazem o R se destacar.
- R é gratuito, em comparação com outro software de análise de dados / estatística popular, como SAS ou Matlab.
- R era projetado para lidar com dados tabulares na análise de dados. (Ele nunca foi projetado como uma linguagem geral como o python, então eles não são realmente comparáveis.)
- R tem alguns dos melhores recursos de manipulação de dados, visualização de dados e relatórios de resultados. Coisas como tidyverse (dplyr, tidyr, ggplot2 etc.), data.table, Rmarkdown, app brilhante etc. Existem coisas semelhantes em Python, mas não tão boas ou fáceis de usar. O pacote de visualização ggplot2 é muito bonito e pode lidar com plotagens muito complexas. Algumas pessoas podem usar R simplesmente para ggplot2. Existem também pacotes gráficos baseados na web, como plotly etc.
- Rstudio IDE. É simplesmente fantástico. Eu diria que a atratividade de R será reduzida pelo menos pela metade se Rstudio não existir. Como eu gostaria que o python tivesse algo tão bonito, fácil de usar e poderoso. (O Spyder está perto, mas ainda não chegou.)
- Desenvolvimento comercial da Rstudio. O desenvolvimento com fins lucrativos é crítico para a saúde do ecossistema R a longo prazo. R tem uma forte comunidade de usuários e o forte compromisso da empresa Rstudio. Acho que os esforços recentes da Rstudio tornaram o ambiente muito atraente que os outros. Isso significa o fantástico ambiente Rstudio IDE, integrado com Rmarkdown, Rbookdown, ferramentas de depuração, aplicativo brilhante, etc. Rstudio também contratou alguns dos desenvolvedores R mais importantes, como Hadley Wickham, Max Kuhn, Yihui Xie etc., que são considerados as almas do moderno R. O bom é que quando essas pessoas se juntaram ao Rstudio, seus pacotes R, como knitr, devtools etc. também são aprimorados e integrados para um melhor fluxo de trabalho.
- Por último, se você já embarcou no barco de R, não é difícil aplicar suas habilidades em python. Python, como linguagem, é mais fácil de aprender do que R. Com a mentalidade de análise de dados treinada em R, habilidades semelhantes podem ser transferidas para python com bastante rapidez.
Se alguém quiser ter algumas idéia de trabalhar no estilo R moderno, o livro recente de Hadley “R for data science” pode servir como uma introdução muito boa. Além disso, siga o desenvolvimento do Rstudio, pois eles estão continuamente adicionando coisas novas que tornam o uso do R uma experiência muito agradável.
Resposta
Como Paulina Jonušaitė apontou, R é bom porque foi projetado para estatísticos por estatísticos, e embora os estatísticos não sejam designers de linguagem competentes – definitivamente não o suficiente para tornar o design de uma linguagem coerente e previsível – aparentemente resulta que em média a linguagem faz o que se esperava (ou pelo menos com frequência suficiente para que as pessoas que tiveram apenas um contato superficial com ela normalmente não percebam incoerência).
A linguagem de programação R foi projetada usando uma linguagem de programação muito boa chamada Scheme, e adicionando uma sintaxe e comportamento estranhos para torná-la, uhm, mais atraente para os estatísticos. Portanto, se há algum sentido de bondade nessa linguagem, deve estar vindo do Scheme.
Você pode encontrar algumas referências na resposta de Panicz Godek para Por que a sintaxe de R é tão (mal) diferente de outras linguagens de programação?