本节书摘来异步社区《机器学习与数据科学（基于R的统计学习方法）》一书中的第1章，第1.6节，作者：【美】Daniel D. Gutierrez（古铁雷斯），更多章节内容可以访问云栖社区“异步社区”公众号查看。
1.6 统计计算的R工程
在过去的几年里，R统计环境在机器语言社区里面逐渐获得了相当突出的重要性。虽然有很多其他选择来执行与数据分析、数据建模和机器学习有关的任务，R成为了今天数据科学家最喜欢的工具。这归功于R在学术界的广泛应用，而不是像SAS和SPSS等商业化产品。最近，R用户社区和SAS及Python社区展开了激烈的辩论，焦点是对数据科学家来说，哪个是最好的工具。R有令人信服的理由，包括：免费、开源、可用性强；广泛使用的可扩展语言；在CRAN中大约有7000个R包用以拓展R功能；一流的可视化功能；一个繁荣的用户社区以及博客集合（例如r-bloggers.com）。
这里有一些关于R的简短事实，来证明它的普及和成长：
R是薪酬最高的IT技能（Dice.com调查，2014年1月）；
R是在SQL之后最广泛使用的数据科学语言（O’Reilly调查，2014年1月）；
70%的数据挖掘师（data miner）使用R（Rexer调查，2013年10月）；
R在所有的编程语言中排名15（RedMonk编程语言排名，2014年1月）；
R比其他任何数据科学语言都发展得快（KDNuggets调查，2013年8月）；
R在谷歌搜索先进的分析软件中排名第一（Google Trends，2014年3月）；
R在全世界有超过两百万用户(Oracle预测，2012年2月)。
