本节书摘来自华章出版社《R的极客理想—工具篇》一 书中的第1章,第1.1节,作者:张丹,更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1.1 R是最值得学习的编程语言
问题
为什么要学R语言?
引言
如果要问在Node、Lua、Python、Ruby和R这5种语言中,哪个语言在2014年的应用前景会更好,我会毫不犹豫地选择R,而且我认为R语言不仅是2014年,也是以后更长一段时间内的明星。在本书开篇,我们就谈谈为什么R语言是最值得学习的编程语言。
1.1.1 我的编程背景
本人是程序员、架构师,从编程入门到今天,一直深信着Java是改变世界的语言,Java已经做到了,而且一直很辉煌。但当Java越来越强大,覆盖领域越来越多,变得无所不能的时候,它反而不够专业,这就给了其他语言发展的机会。
我已使用Java语言11年,R语言3年,Node 1年,对于这个问题 “哪个语言在2014年的应用前景会更好”,我选择R语言。
1.1.2 为什么我会选择R
从下面的9个方面来说明我选择R的原因。
R的基因
R的发展
R的社区和资源
R的哲学
R的使用者
R的语法
R的思维模式
R解决的问题
R的不足
- R的基因
1992年,新西兰奥克兰大学的Ross Ihaka和Robert Gentleman 两位统计学家,为了方便教授初等统计课程,发明了一种编程语言,因为他们名字的首字母都是R,于是R便成为这门语言的名称。
从开始学习R语言,我就开始了知识的跨界思考。统计学基于概率论,概率论又基于数学,用计算机的方式编程,同时解决某个领域的实际问题。多种学科知识的交集,决定着我们解决问题的能力。统计的基因,让R语言与众不同!
- R的发展
R一直在小众领域成长着,最早也只有统计学家在用,主要用来代替SAS做统计计算。然而时代在进步,随着大数据的爆发,R终于在这一波浪潮中被工业界所发现。然后,越来越多有工程背景的人加入到这个圈子,对R的计算引擎、性能以及各种程序包进行改进和升级,让R获得了新生。
我们现在用到的R语言软件,已经越来越接近工业软件的标准了。由工程师推动的R的发展,其速度远远地超过了由统计学家推动的发展。随着人们对数据分析需求的进一步增加,R会以更快的速度继续发展,将成为免费的、开源的数据分析软件的代名词。
- R的社区和资源
R的发展离不开R的各种社区支持,尤其是R的官方社区支持。在R的官方网站中,我们可以下载到R语言软件、R的第三方软件包和R的其他支持软件。当然,我不得不承认R的官方网站从Web页上看起来太简陋了,稍微调整一下CSS样式表,都会比现在好看很多。也许这种简单、无修饰也是统计学家的基因吧。R语言的社区资源同其他语言一样丰富,除了官方社区,还有开发者论坛、R-Journal列表、软件包列表、R语言图书列表以及R用户组等。
R是自由软件,因此开发者可以开发自己的软件包,封装自己的功能,然后在CRAN上面发布。截止到2014年2月,共有5236个R包在CRAN上面发布。可能很多人会说只有5236个包,数量太少了。这是因为CRAN是需要提交申请的,每个包都必须经过R语言小组审核、检查后才会发布出来,而且审核非常严格。高质量是发布一个新的R包的基本要求。由于CRAN过于严格的审查,让很多开发者选择在RForge上发布R包,还有些R包是基于Github发布的,我也在Github上面发布了自己的R包 。
- R的哲学
每种语言都有自己的设计理念和哲学,而我体会的R的哲学就是“静下心做事情”。R不需要很长的代码,也不需要设计模式。一个函数调用,传几个参数,就能实现一个复杂的统计模型。我们需要思考的是用什么模型、传什么参数,而不是怎么进行程序设计。我们可能会用R实现“从一个数学公式,变成一个统计模型”的过程,我们也可能会考虑“如何让一个分类器结果更准确”,但我们不必思考一个算法的“时间复杂度是多少,空间复杂度是多少”。
R的哲学,可以让你把数学和统计学的知识,变成计算模型,这也是R的基因所决定的。
- R的使用者
R语言早期主要是学术界统计学家在用,后来逐渐被其他很多领域的学者所用。R语言有各种不同的应用领域,包括统计分析、应用数学、计量经济、金融分析、财经分析、人文科学、数据挖掘、人工智能、生物信息学、生物制药、全球地理科学、数据可视化等。
近几年,由互联网引发的大数据革命让工业界的人开始认识R,加入R。当越来越多的有工程背景的人加入到R语言使用者的队伍后,R才开始向着全领域发展,逐步实现工业化的要求。现在,R已不仅仅是学术界的语言,它还是工业界必备的语言。
下面列出一些推动R语言在工业界发展的R包。
RevolutionAnalytics公司的RHadoop产品,让R可以直接调用Hadoop集群资源。
RStudio公司的RStudio产品,给了我们对编辑软件新的认识。
RMySQL、ROracle、RJDBC打通了R和数据库之间的访问通道。
rmongodb、rredis、RHive、rHBase、RCassandra打通了R和NoSQL数据库之间的访问通道。
Rmpi、snow打通了单机多核并行计算的通道。
Rserve、rwebsocket 打通了R语言的跨平台通信的通道。
- R的语法
R是面向对象语言,语法如同Python。但R的语法很自由,很多函数的名字看起来都是那么随意,这也是R的哲学的一部分吧!例如,看到如下这样的赋值语法,有其他语言基础的程序员,肯定会崩溃的。
> a<-c(1,2,3,4)->b
> a
[1] 1 2 3 4
> b
[1] 1 2 3 4
随机取正态分布N(0,1)的10个数,又是这么的简单。
> rnorm(10)
[1] -0.694541401 1.877780959 -0.178608091 0.004362026
[5] 0.836891967 1.794961298 0.115284187 0.155175219
[9] 0.464028612 -0.842569561
用R画鸢尾花的数据集的散点图,有非常好的可视化效果。
data(iris) #加载数据集
head(iris) #查看前6行数据集
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
plot(iris) #画图
输出结果见图1-1。
正是因为R自由的哲学,让R的语法独特而简洁,我已经喜欢上这种哲学了。
- R的思维模式
R语言让我跳出了原有的思维定式。使用R语言,我们应该像统计学家那样思考问题,而不是拘泥于程序员的思维模式。统计学家的思维模式,是先考虑为什么,再考虑做什么。而程序员的思维模式,是直接考虑怎么做,等有了结果再考虑为什么。
R语言是直接面向数据的语言。在我们的日常生活中,无论做什么事情都会产生数据,上网有浏览数据,买东西有消费数据,就算什么都不干,也会受大气PM2.5的影响,有空气污染指数数据。利用R语言,我可以直接分析这些数据。面向什么业务,就分析什么数据,不需要从产品经理向程序员的角色转换,不需要考虑有什么功能,更不需要考虑程序设计的事。跳出程序员的思维模式,我们所能认知的东西会更多,于是也能找到更适合自己的定位。
- R解决的问题
当数据成为生产资料的时候,R就是为人们能运用生产资料创造价值的生产工具,R语言主要解决的是数据的问题。整个人类文明所获得的全部数据中,有90%以上是自互联网诞生以来产生的;当Hadoop帮助人们解决了大数据存储的问题后,如何发现数据的价值,则成为当前最火的话题。R语言具有强大的统计分析能力,这就让它成为数据分析最好的工具。所以,R要解决的问题,就是如何挖掘数据价值的问题。
- R的不足
尽管前面说了R的各种优点,但我们依然不能说R就是完美无缺的,因为R也有很多不足。具体来说,R的缺点有下面5个。
R软件是统计学家编写的,并不如软件工程师编写的软件那么健壮。
R软件的性能,存在一些问题。
R语言很自由,语法命名不太规范,需要花时间熟悉。
R语言的内核编程,要比普通的R包使用,难度大得多。
R语言结合了很多数学、概率、统计的基础知识,学起来有一定门槛。
R的这些不足,都是可以克服的。当有更多有工程背景的人加入的时候,R语言会比现在更强大,会帮助使用者创造更多的价值。
1.1.3 R的应用前景
R可以做所有SAS能做的事情。SAS系统全称为Statistics Analysis System,是国际上最知名的商业分析软件工具之一。SAS用于决策支持的大型集成信息系统,其重要组成部分和核心功能是统计分析功能。在数据处理和统计分析领域,SAS系统被誉为国际上的标准软件系统,堪称统计软件界的巨无霸。
R和SAS处于完全的竞争的关系中,R的免费和开放,让R有着更广阔的应用前景。下面给出当今R应用最热门的领域。
统计分析:统计分布、假设检验、统计建模。
金融分析:量化策略、投资组合、风险控制、时间序列、波动率。
数据挖掘:数据挖掘算法、数据建模、机器学习。
互联网:推荐系统、消费预测、社交网络。
生物信息学:DNA分析、物种分析。
生物制药:生存分析、制药过程管理。
全球地理科学:天气、气候、遥感数据。
数据可视化:静态图、可交互的动态图、社交图、地图、热图、与各种JavaScript库的集成。
本书会介绍R语言在统计分析、金融分析、数据挖掘、推荐系统、社交网络等领域的应用。R有着非常广阔的应用前景,而且R也将成为新一代的最有能力创造价值的工具。
1.1.4 时代赋予R的任务
R语言是在大数据时代被工业界了解和认识的语言,R语言被时代赋予了挖掘数据价值、发现数据规律以及创造数据财富的任务。R语言也是帮助人们发挥智慧和创造力的最好的生产工具,因此我们不仅要学好R语言,还要用好R语言,为社会注入更多的创新的生产力。
总而言之,在这5种语言中,R是最特殊的,R被赋予了与其他语言不同的使命。R的基因决定了R将成为2014年,也可能是以后更长一段时间的明星。因此我认为“R是最值得学习的编程语言”。不论你正在读书,还是已经工作,掌握R语言这个工具并找最适合自己的位置将会前途无量。