R to język programowania i środowisko do obliczeń statystycznych i grafiki. Stworzony przez Rossa Ihakę i Roberta Gentlemana na Uniwersytecie w Auckland i wydany po raz pierwszy w 1993 roku, R jest otwartoźródłową implementacją języka statystycznego S. Stał się dominującym językiem w statystyce akademickiej, biostatystyce i badaniach data science.
R traktuje analizę danych jako priorytet — wektory, macierze, ramki danych i rozkłady statystyczne są wbudowane w rdzeń języka. Operacje wektoryzowane pozwalają wykonywać obliczenia na całych zbiorach danych bez jawnych pętli. Repozytorium CRAN zawiera ponad 20 000 pakietów obejmujących statystykę, uczenie maszynowe, wizualizację, bioinformatykę, ekonometrię i więcej.
Do czego służy R?
R jest używany do analizy statystycznej i testowania hipotez, wizualizacji danych za pomocą ggplot2 (złoty standard wykresów jakości publikacyjnej), uczenia maszynowego z caret, tidymodels i xgboost, bioinformatyki i genomiki przez Bioconductor, ekonometrii i analizy finansowej oraz badań powtarzalnych z R Markdown i aplikacjami webowymi Shiny. Uniwersytety na całym świecie uczą R jako głównego języka do statystyki.
R dla początkujących
R to język do nauki, jeśli wchodzisz w data science, statystykę lub badania akademickie. Jego składnia do manipulacji danymi różni się od języków ogólnego przeznaczenia — wektory i ramki danych są centralne — ale ekosystem tidyverse (dplyr, ggplot2, tidyr) sprawia, że analiza danych jest niezwykle czytelna. Użyj internetowego kompilatora R w myCompiler, aby ćwiczyć manipulację danymi i obliczenia statystyczne z preinstalowanymi bibliotekami — bez lokalnej konfiguracji.
R vs inne języki
W porównaniu z Pythonem do data science, R ma lepszą funkcjonalność statystyczną i wizualizację (ggplot2), podczas gdy Python ma szerszy ekosystem do uczenia maszynowego, wdrażania i systemów produkcyjnych. Wielu naukowców danych używa obu — Pythona do inżynierii i wdrażania, R do statystyki i badań. W porównaniu z MATLAB / Octave, R jest darmowy, ma większy ekosystem pakietów i jest lepiej przystosowany do pracy statystycznej, podczas gdy MATLAB jest silniejszy w symulacji numerycznej i inżynierii.
Dlaczego warto używać internetowego kompilatora R?
Internetowy kompilator R, nazywany również sandboxem R lub REPL R, pozwala uruchamiać kod R bezpośrednio w przeglądarce bez instalowania R i RStudio lokalnie. Idealny do nauki składni R, ćwiczenia operacji tidyverse, testowania wizualizacji ggplot2 i pracy nad koncepcjami statystycznymi na kursach bez złożonej lokalnej konfiguracji.
Internetowe IDE R w myCompiler ma preinstalowane popularne biblioteki, w tym ggplot2, dplyr, tidyr i data.table. Wykresy są renderowane i wyświetlane w panelu wyjściowym. Możesz podawać dane przez stdin, zapisywać programy i udostępniać przez URL — wszystko za darmo.
Dlaczego R jest tak popularny?
Popularność R w środowisku akademickim jest niezrównana — jest głównym językiem badań statystycznych i jest nauczany w praktycznie każdym wydziale statystyki na świecie. Tidyverse, kolekcja pakietów R Hadleya Wickhama do data science, przekształciła użyteczność R i przyciągnęła nowe pokolenie analityków i naukowców danych. R Shiny umożliwia naukowcom danych tworzenie interaktywnych dashboardów webowych wyłącznie w R, co jeszcze bardziej poszerza jego adopcję w branży.
Możliwości kariery z R
Umiejętności R są cenione na stanowiskach data scientista, statystyka, biostatystyka, analityka ilościowego i analityka danych. Firmy farmaceutyczne, instytucje badawcze, agencje rządowe i firmy finansowe intensywnie zatrudniają użytkowników R. W połączeniu z umiejętnościami Pythona, znajomość R czyni Cię kompleksowym kandydatem w data science.
