O Que É R? A Linguagem de Programação para Dados e Estatística

O Que É R?

R é uma linguagem de programação construída para um único trabalho: lidar com dados. Estatística, análise de dados e visualização de dados não são coisas que você acopla ao R com bibliotecas - elas são a linguagem. Médias, modelos, gráficos e distribuições de probabilidade já vêm na caixa, e a sintaxe é moldada em torno da pergunta que as pessoas que trabalham com dados realmente fazem: "aqui está uma coluna de números, me diga algo sobre ela."

Esse foco é toda a personalidade do R. Uma linguagem de propósito geral como Java pede que você construa tudo a partir de primitivas. R te entrega um teste t em uma única linha.

Aqui está o R fazendo aquilo para que nasceu - execute:

scores <- c(88, 92, 79, 95, 85, 90, 73, 98)

cat("Mean:", mean(scores), "\n")
cat("Standard deviation:", round(sd(scores), 2), "\n")
cat("Highest score:", max(scores), "\n")

Três estatísticas, três linhas, nenhum import. c() constrói um vetor de valores, e mean(), sd() e max() são nativas da linguagem. Essa é a experiência do R em miniatura.

Uma Breve História

R surgiu a partir do S, uma linguagem estatística desenvolvida na Bell Labs nos anos 1970. Em meados dos anos 1990, dois estatísticos da Universidade de Auckland - Ross Ihaka e Robert Gentleman - construíram uma implementação livre e de código aberto das ideias do S e a batizaram de R, brincando tanto com as iniciais de seus primeiros nomes quanto com o S do qual ela descende.

O R 1.0 foi lançado em 2000, e a linguagem é mantida pelo R Core Team desde então. Como era gratuito enquanto seus ancestrais comerciais não eram, o R se espalhou primeiro pelas universidades e laboratórios de pesquisa - e esse DNA acadêmico ainda aparece: quando estatísticos inventam um novo método, um pacote R que o implementa geralmente surge antes de qualquer outra coisa.

Para Que R É Usado

• Estatística e análise de dados. O caso de uso central. Estatísticas descritivas, testes de hipótese, regressão, séries temporais - todos cidadãos de primeira classe.
• Visualização de dados. Gráficos do R base em uma única chamada de função, e o pacote ggplot2 é amplamente considerado a melhor biblioteca de gráficos de qualquer linguagem.
• Ciência de dados. A coleção de pacotes "tidyverse" (dplyr, tidyr, readr) torna a limpeza e a reorganização de dados bagunçados incomumente agradáveis.
• Bioinformática. O projeto Bioconductor - milhares de pacotes R para genômica - faz do R a linguagem padrão em boa parte da biologia.
• Academia e pesquisa. Economia, psicologia, epidemiologia, ecologia: se uma área publica artigos com valores-p, seus pós-graduandos provavelmente estão escrevendo R.
• Relatórios. R Markdown e Quarto transformam código de análise em relatórios refinados, slides e dashboards.

Por Que as Pessoas Gostam de R

Tudo é um vetor. As operações do R se aplicam naturalmente a coleções inteiras de valores de uma vez - prices * 1.2 aumenta cada preço em 20%, sem precisar de laço. Quando isso faz clique, o código de dados fica dramaticamente mais curto. Você verá isso em todo lugar quando chegar em vetores.

prices <- c(10, 25, 40)
with_tax <- prices * 1.08

print(with_tax)

Estatística é nativa. Geração de números aleatórios, distribuições, testes estatísticos e modelos lineares vivem no R base. Na maioria das linguagens, isso são dependências de terceiros; no R, elas simplesmente estão lá.

CRAN. O Comprehensive R Archive Network hospeda mais de 20.000 pacotes curados, e cada um passa por verificações automatizadas antes da publicação. Seja qual for o método de nicho que a sua área usa, alguém já o empacotou.

Gráficos que respeitam o seu tempo. hist(scores) te dá um histograma. Uma chamada. Análise exploratória - olhar os dados, ajustar, olhar de novo - é aquilo para que o R é otimizado.

R vs Python: A Versão Honesta

Esta é a pergunta que todo iniciante faz, então aqui vai a resposta sem tribalismo.

Python é uma linguagem de propósito geral que é muito boa com dados. Ela vence quando o trabalho com dados é uma parte de um sistema maior - um app web, um pipeline de ML em produção, cola de automação. Tem mais vagas de emprego associadas, e uma única linguagem cobre mais terreno.

R é uma linguagem de dados que é excelente em estatística. Ela vence quando o trabalho é a análise: explorar conjuntos de dados, ajustar modelos estatísticos, produzir gráficos e relatórios com qualidade de publicação. Seu ecossistema de estatística é mais profundo, e métodos de ponta chegam primeiro no R.

Nenhuma é "melhor" - elas apontam para centros de gravidade diferentes. Se você está em pesquisa, bioestatística ou funções pesadas em analytics, comece com R. Se você mira engenharia de software com um sabor de dados, comece com Python. E o segredo que as discussões online omitem: a segunda linguagem exige uma fração do esforço depois que você aprendeu a primeira, e muitos profissionais usam as duas na mesma semana.

Experimente Agora Mesmo

Você não precisa instalar nada para começar - os blocos de código destas páginas são interativos. Aqui vai um gostinho um pouco maior: simular lançamentos de dados e resumi-los.

set.seed(42)
rolls <- sample(1:6, size = 100, replace = TRUE)

cat("First ten rolls:", rolls[1:10], "\n")
cat("Average roll:", mean(rolls), "\n")
print(table(rolls))

sample() simula 100 lançamentos de um dado, e table() conta quantas vezes cada face apareceu - uma tabela de frequência em uma chamada. Troque o 100 por 10000 e execute de novo; a média se aproxima de 3,5, exatamente como a probabilidade diz que deveria. Esse ciclo - pergunta, código, resposta, ajuste - é como é trabalhar em R.

Quando você estiver pronto para rodar R na sua própria máquina, o próximo passo é instalar R e RStudio.

O Que Você Leva Daqui

• R é uma linguagem gratuita e de código aberto, feita sob medida para estatística, análise de dados e visualização.
• Ela descende do S, criada por Ross Ihaka e Robert Gentleman em meados dos anos 1990; o R 1.0 chegou em 2000.
• Seus pontos fortes: operações vetorizadas, estatística nativa, os mais de 20.000 pacotes do CRAN e gráficos de primeira linha.
• R vs Python não é uma guerra - R é mais profundo para estatística, Python é mais amplo para engenharia, e muita gente usa os dois.

A seguir: instalar o R (e o RStudio) na sua própria máquina.