本節書摘來自華章出版社《r的極客理想—工具篇》一 書中的第1章，第1.1節，作者：張丹，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。
問題
為什麼要學r語言？
引言
如果要問在node、lua、python、ruby和r這5種語言中，哪個語言在2014年的應用前景會更好，我會毫不猶豫地選擇r，而且我認為r語言不僅是2014年，也是以後更長一段時間内的明星。在本書開篇，我們就談談為什麼r語言是最值得學習的程式設計語言。
本人是程式員、架構師，從程式設計入門到今天，一直深信着java是改變世界的語言，java已經做到了，而且一直很輝煌。但當java越來越強大，覆寫領域越來越多，變得無所不能的時候，它反而不夠專業，這就給了其他語言發展的機會。
我已使用java語言11年，r語言3年，node 1年，對于這個問題 “哪個語言在2014年的應用前景會更好”，我選擇r語言。
從下面的9個方面來說明我選擇r的原因。
r的基因
r的發展
r的社群和資源
r的哲學
r的使用者
r的文法
r的思維模式
r解決的問題
r的不足
1992年，紐西蘭奧克蘭大學的ross ihaka和robert gentleman 兩位統計學家，為了友善教授初等統計課程，發明了一種程式設計語言，因為他們名字的首字母都是r，于是r便成為這門語言的名稱。
從開始學習r語言，我就開始了知識的跨界思考。統計學基于機率論，機率論又基于數學，用計算機的方式程式設計，同時解決某個領域的實際問題。多種學科知識的交集，決定着我們解決問題的能力。統計的基因，讓r語言與衆不同！
r一直在小衆領域成長着，最早也隻有統計學家在用，主要用來代替sas做統計計算。然而時代在進步，随着大資料的爆發，r終于在這一波浪潮中被工業界所發現。然後，越來越多有工程背景的人加入到這個圈子，對r的計算引擎、性能以及各種程式包進行改進和更新，讓r獲得了新生。
我們現在用到的r語言軟體，已經越來越接近工業軟體的标準了。由工程師推動的r的發展，其速度遠遠地超過了由統計學家推動的發展。随着人們對資料分析需求的進一步增加，r會以更快的速度繼續發展，将成為免費的、開源的資料分析軟體的代名詞。
r的發展離不開r的各種社群支援，尤其是r的官方社群支援。在r的官方網站中，我們可以下載下傳到r語言軟體、r的第三方軟體包和r的其他支援軟體。當然，我不得不承認r的官方網站從web頁上看起來太簡陋了，稍微調整一下css樣式表，都會比現在好看很多。也許這種簡單、無修飾也是統計學家的基因吧。r語言的社群資源同其他語言一樣豐富，除了官方社群，還有開發者論壇、r-journal清單、軟體包清單、r語言圖書清單以及r使用者組等。
r是自由軟體，是以開發者可以開發自己的軟體包，封裝自己的功能，然後在cran上面釋出。截止到2014年2月，共有5236個r包在cran上面釋出。可能很多人會說隻有5236個包，數量太少了。這是因為cran是需要送出申請的，每個包都必須經過r語言小組稽核、檢查後才會釋出出來，而且稽核非常嚴格。高品質是釋出一個新的r包的基本要求。由于cran過于嚴格的審查，讓很多開發者選擇在rforge上釋出r包，還有些r包是基于github釋出的，我也在github上面釋出了自己的r包 。
每種語言都有自己的設計理念和哲學，而我體會的r的哲學就是“靜下心做事情”。r不需要很長的代碼，也不需要設計模式。一個函數調用，傳幾個參數，就能實作一個複雜的統計模型。我們需要思考的是用什麼模型、傳什麼參數，而不是怎麼進行程式設計。我們可能會用r實作“從一個數學公式，變成一個統計模型”的過程，我們也可能會考慮“如何讓一個分類器結果更準确”，但我們不必思考一個算法的“時間複雜度是多少，空間複雜度是多少”。
r的哲學，可以讓你把數學和統計學的知識，變成計算模型，這也是r的基因所決定的。
r語言早期主要是學術界統計學家在用，後來逐漸被其他很多領域的學者所用。r語言有各種不同的應用領域，包括統計分析、應用數學、計量經濟、金融分析、财經分析、人文科學、資料挖掘、人工智能、生物資訊學、生物制藥、全球地理科學、資料可視化等。
近幾年，由網際網路引發的大資料革命讓工業界的人開始認識r，加入r。當越來越多的有工程背景的人加入到r語言使用者的隊伍後，r才開始向着全領域發展，逐漸實作工業化的要求。現在，r已不僅僅是學術界的語言，它還是工業界必備的語言。
下面列出一些推動r語言在工業界發展的r包。
revolutionanalytics公司的rhadoop産品，讓r可以直接調用hadoop叢集資源。
rstudio公司的rstudio産品，給了我們對編輯軟體新的認識。
rmysql、roracle、rjdbc打通了r和資料庫之間的通路通道。
rmongodb、rredis、rhive、rhbase、rcassandra打通了r和nosql資料庫之間的通路通道。
rmpi、snow打通了單機多核并行計算的通道。
rserve、rwebsocket 打通了r語言的跨平台通信的通道。
r是面向對象語言，文法如同python。但r的文法很自由，很多函數的名字看起來都是那麼随意，這也是r的哲學的一部分吧！例如，看到如下這樣的指派文法，有其他語言基礎的程式員，肯定會崩潰的。
随機取正态分布n(0,1)的10個數，又是這麼的簡單。
用r畫鸢尾花的資料集的散點圖，有非常好的可視化效果。
輸出結果見圖1-1。
正是因為r自由的哲學，讓r的文法獨特而簡潔，我已經喜歡上這種哲學了。
r語言讓我跳出了原有的思維定式。使用r語言，我們應該像統計學家那樣思考問題，而不是拘泥于程式員的思維模式。統計學家的思維模式，是先考慮為什麼，再考慮做什麼。而程式員的思維模式，是直接考慮怎麼做，等有了結果再考慮為什麼。
r語言是直接面向資料的語言。在我們的日常生活中，無論做什麼事情都會産生資料，上網有浏覽資料，買東西有消費資料，就算什麼都不幹，也會受大氣pm2.5的影響，有空氣污染指數資料。利用r語言，我可以直接分析這些資料。面向什麼業務，就分析什麼資料，不需要從産品經理向程式員的角色轉換，不需要考慮有什麼功能，更不需要考慮程式設計的事。跳出程式員的思維模式，我們所能認知的東西會更多，于是也能找到更适合自己的定位。
當資料成為生産資料的時候，r就是為人們能運用生産資料創造價值的生産工具，r語言主要解決的是資料的問題。整個人類文明所獲得的全部資料中，有90%以上是自網際網路誕生以來産生的；當hadoop幫助人們解決了大資料存儲的問題後，如何發現資料的價值，則成為目前最火的話題。r語言具有強大的統計分析能力，這就讓它成為資料分析最好的工具。是以，r要解決的問題，就是如何挖掘資料價值的問題。
盡管前面說了r的各種優點，但我們依然不能說r就是完美無缺的，因為r也有很多不足。具體來說，r的缺點有下面5個。
r軟體是統計學家編寫的，并不如軟體工程師編寫的軟體那麼健壯。
r軟體的性能，存在一些問題。
r語言很自由，文法命名不太規範，需要花時間熟悉。
r語言的核心程式設計，要比普通的r包使用，難度大得多。
r語言結合了很多數學、機率、統計的基礎知識，學起來有一定門檻。
r的這些不足，都是可以克服的。當有更多有工程背景的人加入的時候，r語言會比現在更強大，會幫助使用者創造更多的價值。
r可以做所有sas能做的事情。sas系統全稱為statistics analysis system，是國際上最知名的商業分析軟體工具之一。sas用于決策支援的大型內建資訊系統，其重要組成部分和核心功能是統計分析功能。在資料處理和統計分析領域，sas系統被譽為國際上的标準軟體系統，堪稱統計軟體界的巨無霸。
r和sas處于完全的競争的關系中，r的免費和開放，讓r有着更廣闊的應用前景。下面給出當今r應用最熱門的領域。
統計分析：統計分布、假設檢驗、統計模組化。
金融分析：量化政策、投資組合、風險控制、時間序列、波動率。
資料挖掘：資料挖掘算法、資料模組化、機器學習。
網際網路：推薦系統、消費預測、社交網絡。
生物資訊學：dna分析、物種分析。
生物制藥：生存分析、制藥過程管理。
全球地理科學：天氣、氣候、遙感資料。
資料可視化：靜态圖、可互動的動态圖、社交圖、地圖、熱圖、與各種javascript庫的內建。
本書會介紹r語言在統計分析、金融分析、資料挖掘、推薦系統、社交網絡等領域的應用。r有着非常廣闊的應用前景，而且r也将成為新一代的最有能力創造價值的工具。
r語言是在大資料時代被工業界了解和認識的語言，r語言被時代賦予了挖掘資料價值、發現資料規律以及創造資料财富的任務。r語言也是幫助人們發揮智慧和創造力的最好的生産工具，是以我們不僅要學好r語言，還要用好r語言，為社會注入更多的創新的生産力。
總而言之，在這5種語言中，r是最特殊的，r被賦予了與其他語言不同的使命。r的基因決定了r将成為2014年，也可能是以後更長一段時間的明星。是以我認為“r是最值得學習的程式設計語言”。不論你正在讀書，還是已經工作，掌握r語言這個工具并找最适合自己的位置将會前途無量。