為什麼選擇R語言

在網際網路、大資料快速發展的大時代背景下，很多小白(包括本人)都希望能夠掌握資料分析、圖形處理、資料挖掘等方面的技能，然而在學習之前卻艱難萬分，甚至難于學習本身。下面是常見的幾個問題：

• 我是XX專業，應該選擇哪門語言呢？
• 程式設計零基礎，選擇哪個比較好呢？
• 學習什麼語言将來會吃香呢？
• 我以後想從事資料挖掘工作，該學些什麼呢？
• …

Emmm，算了吧，既然有這麼多種選擇，再加上我還有選擇困難症，還是不學了吧。及時行樂，保護頭發。

然而如此多的問題歸根結底就是應該選擇什麼工具、應用什麼軟體的問題。正所謂的：“工欲善其事，必先利其器”。今天就給陷于水深火熱抉擇中的大家推薦一個數理統計、繪制圖形方面的好幫手：R語言。

1、R語言的前生今世

R語言，一種自由軟體程式設計語言與操作環境，主要用于統計分析、繪圖、資料挖掘等方面。R本來是由來自紐西蘭奧克蘭大學的羅斯·伊哈卡(Ross Ihaka)和羅伯特·傑特曼(Robert Gentleman)開發（名字首字母都是R，也是以稱為R語言），現在由“R開發核心團隊”負責開發。R語言是基于S語言的一個GNU計劃項目，是以也可以當作S語言的一種實作，通常用S語言編寫的代碼都可以不作修改的在R環境下運作，其中R的文法是來自Scheme。

2、R語言的優勢

• 免費。這個優勢想必不需過多解釋，多數的統計軟體價格不菲，而R是完全免費的，不需要任何授權費用，且功能又不輸于付費軟體，對于個人和企業來說在成本方面都有一定的吸引力。
• 開源。源代碼的開放性保證了使用者可以知道所有的細節，對于開發者和企業級應用是有價值的。由于各種包和函數的透明性極好，這使得對函數的調整和改良變得非常便利，隻需要把源代碼調出來，自己稍微修改一下就可以滿足自己的需求，而簡簡單單的這種事情放在任何其他統計軟體裡都近乎奢望。
• 資源豐富。對于使用者而言，R的開放性使得其社群巨大，接近6000個擴充包涵蓋了各種相關領域的方方面面，并且涉及的部落格、文章等也數不勝數。
• 時代前沿。 R囊括了在其他軟體中尚不可用的、先進的統計計算例程。事實上，R語言中新方法的更新速度是以周來計算的。不少統計、計量等等新工具在學術界發表，作者本人或者團隊會在第一時間、甚至文章發表前就釋出基于這個文章的R擴充包，使得其幾乎總是走在學術界前沿，正是基于開源免費的特性，使用者可以第一時間擷取資源。
• 簡單易學。R語言中的資料結構非常簡潔，主要包括向量(一維)、數組(二維時為矩陣)、清單(非結構化資料)、資料框(結構化資料)，适合新手快速操作，并且向量化程式設計大大減少了循環語句的應用。除此之外，對于大多數的各類模型和複雜公式，都可以找到對應的包(package)，進而幾行代碼解決問題。
• 絕佳的可視化。字不如表，表不如圖，R語言和可視化可謂是絕配，具有

  ggplot2, ploty, shiny, ggmap

  等多個可視化軟體包。可以毫不誇張的說，基本所有能夠想到的圖，都提供了解決方案。例如：

  ggplot2

  畫靜态圖，

  plotly

  畫互動圖、

  shiny

  可以用網頁互動，

  ggmap

  畫地圖類可視化。
• 便捷擷取資料源。R語言可以從多處擷取資料源，并将其轉化為可用的形式，包括文本檔案、資料庫管理系統、統計軟體，乃至專門的資料倉庫，R甚至也可以直接從網頁、社交媒體網站和各種類型的線上資料服務中擷取資料。
• 相容性好。 R可運作于多種平台之上，包括Windows、UNIX和Mac OS X，這基本上意味着它可以運作于你所能擁有的任何計算機上。

3、R語言的缺點

雖然個人比較推薦R語言，但是也不能是以對其缺點避而不談，以下是其相對缺點：

• 需要寫代碼。相對于Excel、SPSS等統計軟體，R語言需要與代碼打交道，但是相對于滑鼠操作，代碼可以大大提升效率(前提是熟悉語言之後)。類似于拼音打字和五筆打字，一個學習曲線陡峭但是掌握之後效率更高，一個容易入門但是後期爆發力并不是那麼強。
• 占用記憶體。R語言是統計學家編寫的軟體，正所謂：“成也蕭何敗也蕭何”，該軟體在提供資料處理便利的同時，所有的資料處理都在記憶體中進行，進而不太适合超大規模資料。解決的方法之一是可以用相應的包(如groupby)對資料進行處理後再導入R語言，或者和其他大資料處理工具結合起來使用
• 運作速度慢。即時編譯，約相當于C語言的1/20，但是對于非超大型資料而言，在可接受範圍之内。

綜上所述，R語言是一門優秀的資料處理、資料可視化、資料挖掘軟體，且具備開源免費、簡單易學等優點，依托資料爆發的時代背景，必将進一步激發R語言的學習浪潮。