摘要
尽管在工业界还是被 SAS 所统治但是 R 在学术界却得到广泛的应用因为其免费、开源的属性使得用户们可以编写和分享他们自己的应用。然而许多正在获得数据分析相关学位的学生们由于缺乏 SAS 经验的情况而在找工作的路上困难重重与此同时他们要面对从学校熟悉的 R向 SAS 转型的痛苦。理想情况是你需要知道所有可能的编程语言工作的时候使用与工作情况最匹配的那个当然这个基本上是痴人说梦。我们的目的就是展示这两种差异巨大的语言各自优点并且共同发挥他们的优势我们同时还要指出那些不使用 SAS 好多年的、现在正在使用 R语言的人们的一些误解和偏见因为他们已经很少关注 SAS 的发展和进步了。
前言
我们选取 SAS 和 R 的原因是因为他们是目前在统计领域中最有统治地位的两个编程语言。 现在我们注意到一个不好的现象就是在学术界重度使用R的用户认为R在被SAS霸占的工业界有具有相当优势的然而熟练掌握这两个软件对于想在数据分析领域取得小有成就的年轻人来说很关键。教授误解加上对某个软件的偏好往往对学生有着不利的引导因此需要在这里指出教授们别偷懒了对某种语言的主观偏好将会影响学生的钱途。
SAS经常有一些更新有点慢非SAS程序员由于没有技术跟进往往并不知情。SAS绘图模块就是一个快速发展并成长的例子然而许多人并不注意到这些升级以至于他们仍然固执的使用 R画图。SAS另一个不广为人知的例子是SAS可以轻松自定义函数这正是 R 的强项。这个SAS过程步PROC有全面的语法检查、翔实的文档和技术支持然而一个新的使用者很可能不知道这些工具可用或者根本不知道它们的存在。另外SAS 还拥有卓越的培训课程网络及用户组分享资源不同相关主题的大量书籍。知道并合理的使用这些技术以及工具 有助于减少使用 SAS的畏惧之心。
相关问题讨论
本文就在我们学院碰到的一些共同误解的地方在此对比列出两种语言的优缺点。当然还有更多的争论在进行中但是本文汇中我们将选取最为普遍的来进行讨论。我们希望能够消除误解并且尽可能地为那些不能及时跟进R或SAS的分析人士提供新的信息。
1.统计方法的新进展
SAS
优点SAS 的软件及算法都是经过检验的SAS 有技术支持去快速解决用户的需求。 如果需要的话SAS 会尝试在已存在的步骤中嵌入新的方法例如增加一个选项或者新增一个语句statement因此用户不需要学习另外一个过程步。SAS也 会发布最新通讯来详细说明软件的更新。 缺点更新升级较慢。
R
优点用户可以快速实施新方法或者寻找已经存在的软件包。很容易学习和理解新方法因为学生们可以看到代码中的函数。
缺点R 文档的更新都是通过用户进行的所以新的方法并没有被很好调试和检验。 开发者们散布于各地而并没有在一起来进行团队合作的开发。
在这个问题上SAS 和 R 的优缺点是互补的。对于 R有人认为它的代码是开放的可以看到 R 是如何工作的这对于拥有相关背景的人是比较容易理解的。然而对于 SAS它的过程步是预装的文件中对不同的语句Statement及选项 Option 存储了大量的数学公式。如果用户真的想看到底层程序这个也是很容易实现的。对两种语言的使用着者来说不管是学生还是其它用户只是运行代码的话对于两种语言是没有什么不同的。你运行SAS不需要知道它在干什么类似的是你运行R时也不需要知道它在后台调用的函数。你所做的就是按章操作而已。
2.画图
SAS
优点SAS画图模块正变得越来越灵活、精良和易于使用。在一些分析过程步PROCs 中ODS Graphics可以自动的生成一些图形而不需要额外的代码。这使得用户多了一个选择即可以使用默认的图表生成图表也可以自己来创造个性化的图表。
缺点图形背后的模板语言TL是庞大及不易使用的特别是对于新手来说。新的高级功能如交互式绘图功能 interactive graphs对于新手来说也是难以掌握的。
R
优点可以简单的生成漂亮的图表还可以使用循环语句来生成动画。
缺点在 R 中图表功能与统计分析无关绘图和分析是相互独立的。用户必须自己来决定什么样的图形是合适的使用效果的好坏取决于用户们的统计背景和喜好。尽管改变图形去达到特别的维度或角度并不是一个简单事儿。
SAS9.2 之前版本的图表功能不足是 R 更吸引人的一个主要原因之一。R的一个最好的特性之一就是其图表功能的高质量性和易用性。但是当前 SAS/GRAPH 搭配 ODS Graphics 及 SG 过程在软件中增加了制图的能力。联合使用 ODS graphics 和 PROCS 可以使用户简单地生成与分析相关的展示图表。 特定的绘图过程步如PROC SGPLOTSGPANEL和SGSCATTER等越来越多当然需要的一定代码来实现。另外SAS 中还有一些其他不错的绘图选择如 SGDESOGNER 和 SAS Enterprise Guide。
3.函数及可重复使用的代码
SAS
优点SAS有可在 DATA 和 PROC 步使用的大量函数和自定义函数。另外强大无所不能的、也可以被DATA步和PROC步使用的宏语言。宏变量可定义为局部或者全局类型。
缺点编写自定义函数和详细的宏代码需要深厚的编程知识来确保正确性。
R
优点在 R 中编写函数很简单用户也可以通过上传自己的函数到 R-CRAN 上与其 它用户分享。
缺点编写自定义函数需要深厚的编程知识来确保正确性。变量是严格的局部变量。
在这一点上两种软件拥有类似的利弊。SAS 的早期用户运行自己的定制函数主要取决于宏程序的编写这也是 R 用户认为其低效及笨重的原因。然而SAS 9 版本的 PROC FCMP允许用户编写个性化的函数SAS 9.2 版本又允许用户在 DATA 及 PROC 步中调用这些函数。 这对于简单的统计函数是很有用的对于更加复杂的统计函数也可以通过 IML 语言来实现。
SAS 及 R 两种语言都面临着怎样有效地、正确的使用函数这就需要用户在函数编写的过 程中拥有深厚的编程背景。从好的角度来说一个程序员需要知道他们编写的是什么危险的是其它人可以下载一个 SAS 宏或者 P 程序包来使用尽管他们不知道其内在工作原理 甚至不知道其正确性。所以有了对宏及函数适当的了解再来分享它们并应用于具体的需 求是很方便的。
4.免费软件
SAS
优点SAS 有OnDemand 版本的软件免费提供给学位颁发机构。
R
优点R 是完全免费。
缺点开源软件对于大公司来讲都会有安全方面的担忧。
SAS公司为教育机构提供的免费替代品可以保证教授们在课堂上的使 用。对于 OnDemand 的安装过程和速度需要注意。总之SAS 和 JMP 不是免费的公司需要使用许 可来使用该软件。R 可以免费的安装但许多参与论战的博主们认为如果那些正在使用 SAS 的公司去使用 R将会花费远远超过 SAS 授权费用的资源和财力例如重写代码、构建新 的团队、招聘新的专业人员等等。而且对于那些分析结果需要经得起严格检验要求的公司 可能 SAS 更加适合。还没有现存分析框架的小公司可以来探讨是选择历史悠久、资源丰富的付费软件SAS还是要选择虽然免费、但是还需要其它先期投资如员工的知识背景 编写及调试代码的软件R。最终从时间和金钱的角度来衡量SAS 和 R 的花费可能 是基本接近的。
5.用户支持
SAS
优点SAS 有丰富的网上参考资料专业的技术支持专业的培训课程许多优秀 的出版书籍一个紧密的用户组及网络社区。SAS 的问题可以直接反映给技术支 持部门他们会与用户一起来解决。 缺点真的没想到。
R
优点R 有很好的示例手册网上参考材料R 邮件列表和 R 聚会。
缺点用户们取决于其它用户对于软件的看法及建议。因为 R 的开发者散布于全球 各地所以全球的用户是缺乏联系的。程序包Package并不是由 R 软件的开发 核心团队来编写的所以导致了程序的不完善甚至有时候会对结果的正确性有所怀 疑。另外很难去直接寻找一个针对具体问题的人员或者团队。
SAS 所提供的卓越的支持是他们以客户为中心设计产品的亮点。SAS 支持的优点对初 学者是理想的帮助其大量的细节也使资深用户受益匪浅。R 较为混乱的参考资料和匮乏的 技术支持在需要寻找帮助时困难重重。这违背了 R 的开发设计者的初衷。
6.数据处理
SAS
优点SAS 可以处理任意类型和格式的数据。DATA 步的设计纯粹就是为了数据的管 理所以 SAS 擅长处理数据。利用丰富的选项SAS 可以将大数据处理的很好拼表以及 PROC SQL 也可以减少运行时间。
缺点在 DATA 步骤中 SAS 中的DATA步有非明示的循环算法因此使用者的编程思维需要改变以符合SAS的运行逻辑。
R
优点R 在最初就被认为是更加适合大数据的。它对于矩阵的操作和排序的设计是非 常高效的。R 也可以很好的进行各种基于分析的数据模拟。
缺点R 的设计更加关注统计计算以及画图功能所以数据的管理是比较耗时的而 且不如在 SAS 中那么明晰。其中一个主要的原因就是对于各种不同类型的数据在 R 中进行很好的数据处理是比较难以掌握的。
数据处理的重要性经常在统计编程中被忽视了但是它确实是非常关键的因为实际的数据非常糟糕不能直接应用于分析。纯粹地使用 R 的学生们对于得到的数据往往有不切实际的期望而学习 SAS 是一个有效的方法去解决怎样整理原始的数据。SAS可以对大而繁杂的数据集进行管理和分析而 R更着重于进行分析。
当处理复杂数据时R 的面向对象的数据结构会遇到很多问题并且R还缺乏一个内在的循环过程。在SAS中应用标准化工具经常会进行如下操作合并含有大量缺失数据的复杂数据集再生成及修改其中的变量。而在R中进行复杂的数据处理操作是没有标准化的而且经常会导致更加复杂的过程。
SAS与R软件运行时间的快慢对比取决于任务。如SAS可以通过设置 MEMLIB从而像R一样使用内存(而非硬盘)来提升运行速度。但在R中没有这样的硬件驱动只能使用内存来执行。
7.安装
SAS
优点SAS所有的分析功能及授权都被整体打包在一起安装。升级授权证书是非常容易。
缺点首次安装或升级到一个新的版本是很耗时且有点麻烦的。但是这比在课堂上向 学生们讲述如何使用这个软件简单1000倍。现在越来越多的学生们在课堂上使用Macs系统的笔记本但是SAS没有Mac版意味着这部分学生无法使用 SAS。
R
优点R 和其最常用的用户界面 RStudio 在 Window、Mac 和 Unix 环境下都很容易安 装和打开且安装速度都很快。
缺点运行必须知道满足需求的程序包然后搜索、安装、了解具体功能。截止原文发表时共有 4379 个可用程序包这一数量还在每天增加。在提供了更多选择的 同时也增加了搜寻的时间和难度。
SAS 的获得对用户来说比较困难首次安装也是比较麻烦的。但是一旦安装完成了 有关软件本身的问题就很少了对于特别的分析也不需要额外的程序包或者步骤了。R 中 相反安装非常简单但对于额外分析需要另外安装程序包浪费了安装软件所节省的时 间。
8.报表
SAS
优点SAS 通过很多有用的过程步来生成详细漂亮的报表。
缺点能提供更详尽报表的过程如 TABULATE、REPORT 等在能正确而有效的使用前将为有一个艰难的学习曲线等待你跨越。
R
优点报表方面R拥有诸多利器。Sweave包可以创造包含文字、表格和图形的 PDF 文件其中图形可以LaTeX 和 R 命令来装扮。另一个新的程序包 Knitr 可以快速生成格式限制较少的网页内容。
缺点R 没有一个模式化的方式来生成报表所以需要在编程上花一些功夫。报表的生成对于 R 来说是一个比较新的方向所以它不如 SAS 来的简单和快速。在 R 中Sweave 和 Knitr 是报表这方面的领先的程序包但是学习起来也比较困难。
重度报表使用用户应该了解这些以上不同尽管学习 SAS 的报表功能需要花费一些时间但是一旦掌握了就很有价值并有很高的灵活性。而从最基础学习 R 的报表功能也许不需要像 SAS 那样花那么多时间。
结论
我们可以看到解决 R 与 SAS 的辩论是三合一的。
第一就像在任何一个统计编程社区 一样我们知道这个PK是没有一个最终赢家。两种软件各有优缺点。他们有共存的必 要而学术上的教学中他们也有共存的必要。如果学生们能够明确他们的需求并合理的应 用那样会获得更好的效果。如果只给学生教授一种软件是有局限性的这样会使他们难以 发挥学习另外一种软件的潜力。
第二用户们需要保持他们的工具箱与时俱进。SAS 和 R 都有一些很不错的 学习网站去介绍最新 的技术上的进步。 SAS 技术支持网站http://support.sas.com 有许多最新的动态如 Focus Areas、E-newsletters、RSS 种子和博客。R 博客网站 http://www.r-bloggers.com 包含了许多用户贡献的新闻和练习。
第三最理想的是学习 两种软件并将其融合于分析中。这里有许多方法可以尝试例如用 SAS 的 IML 和 SAS 的 IML/StudioIML 是 SAS 的一个加载项功能或者通过使用 SAS X Statement 执行外部命 令使 R 代码在 SAS 中转化成 SAS 命令来运行。对于 R 的用户们通过转化 R 到 SAS 的 用户界面可以同时使用 2 种软件。通过使用两种软件可以使处理及分析数据变得事半功倍而且使所有的用户都满意。
原文发布时间为2015-11-28
本文来自云栖社区合作伙伴“大数据文摘”了解相关信息可以关注“BigDataDigest”微信公众号
