Что такое R? Язык программирования для данных и статистики

Что такое R?

R - это язык программирования, созданный для одной задачи: работы с данными. Статистика, анализ данных и визуализация - это не то, что прикручивают к R библиотеками, они и есть сам язык. Средние, модели, графики и распределения вероятностей идут в комплекте, а синтаксис построен вокруг вопроса, который люди, работающие с данными, задают на самом деле: «вот столбец чисел, расскажи мне о нём что-нибудь».

Эта сфокусированность - весь характер R. Универсальный язык вроде Java предлагает собирать всё из примитивов. R выдаёт t-тест одной строкой.

Вот R делает то, для чего родился, - запустите:

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")

Три статистики, три строки, ни одного импорта. c() собирает вектор значений, а mean(), sd() и max() встроены прямо в язык. Это опыт работы с R в миниатюре.

Немного истории

R вырос из S - статистического языка, разработанного в Bell Labs в 1970-х. В середине 1990-х два статистика из Оклендского университета - Росс Ихака и Роберт Джентлмен - создали свободную реализацию идей S с открытым кодом и назвали её R, обыграв и первые буквы своих имён, и язык S, от которого она произошла.

R 1.0 вышел в 2000 году, и с тех пор язык поддерживается командой R Core Team. Поскольку он был бесплатным, а его коммерческие предки - нет, R сначала распространился по университетам и исследовательским лабораториям - и эта академическая ДНК видна до сих пор: когда статистики изобретают новый метод, пакет для R с его реализацией обычно появляется раньше всего остального.

Для чего используется R

• Статистика и анализ данных. Основной сценарий. Описательные статистики, проверка гипотез, регрессия, временные ряды - всё это полноправные граждане языка.
• Визуализация данных. Базовые графики R строятся одним вызовом функции, а пакет ggplot2 многие считают лучшей библиотекой для графиков среди всех языков.
• Data science. Коллекция пакетов "tidyverse" (dplyr, tidyr, readr) делает очистку и преобразование сырых данных на редкость приятными.
• Биоинформатика. Проект Bioconductor - тысячи R-пакетов для геномики - сделал R языком по умолчанию в значительной части биологии.
• Академическая среда и исследования. Экономика, психология, эпидемиология, экология: если в области публикуют статьи с p-значениями, её аспиранты, скорее всего, пишут на R.
• Отчётность. R Markdown и Quarto превращают код анализа в аккуратные отчёты, слайды и дашборды.

За что любят R

Всё - вектор. Операции в R естественно применяются сразу к целым наборам значений - prices * 1.2 поднимает каждую цену на 20%, и никакой цикл не нужен. Как только это щёлкает в голове, код для работы с данными становится радикально короче. Вы будете встречать это повсюду, когда доберётесь до векторов.

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

print(with_tax)

Статистика встроена. Генерация случайных чисел, распределения, статистические тесты и линейные модели живут в базовом R. В большинстве языков это сторонние зависимости; в R они просто есть.

CRAN. Comprehensive R Archive Network содержит более 20 000 курируемых пакетов, и каждый проходит автоматические проверки перед публикацией. Какой бы нишевый метод ни использовался в вашей области, кто-то уже упаковал его в пакет.

Графики, которые уважают ваше время. hist(scores) даёт гистограмму. Один вызов. Разведочный анализ - посмотреть на данные, подправить, посмотреть снова - именно то, подо что R оптимизирован.

R против Python: честная версия

Этот вопрос задаёт каждый новичок, так что вот ответ без фанатских войн.

Python - универсальный язык, который очень хорош в данных. Он выигрывает, когда работа с данными - лишь часть большей системы: веб-приложения, продакшен-пайплайна машинного обучения, автоматизации. К нему привязано больше вакансий, и один язык покрывает больше задач.

R - язык для данных, который превосходен в статистике. Он выигрывает, когда работа и есть анализ: исследование наборов данных, подгонка статистических моделей, создание графиков и отчётов публикационного качества. Его статистическая экосистема глубже, и передовые методы появляются в R первыми.

Ни один не «лучше» - у них просто разные центры тяжести. Если вы в исследованиях, биостатистике или аналитических ролях, начинайте с R. Если целитесь в разработку ПО с уклоном в данные, начинайте с Python. И секрет, который пропускают в онлайн-спорах: второй язык требует лишь малой доли усилий после первого, и множество профессионалов используют оба на одной неделе.

Попробуйте прямо сейчас

Чтобы начать, ничего устанавливать не нужно - блоки кода на этих страницах живые. Вот пример чуть побольше: симулируем броски игральной кости и подводим итоги.

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() симулирует 100 бросков кости, а table() считает, сколько раз выпала каждая грань, - таблица частот одним вызовом. Замените 100 на 10000 и запустите снова: среднее подползает к 3.5, ровно как и предсказывает теория вероятностей. Этот цикл - вопрос, код, ответ, правка - и есть ощущение работы в R.

Когда будете готовы запускать R на собственной машине, следующий шаг - установка R и RStudio.

Что стоит запомнить

• R - бесплатный язык с открытым кодом, созданный специально для статистики, анализа и визуализации данных.
• Он происходит от S; его создали Росс Ихака и Роберт Джентлмен в середине 1990-х, а R 1.0 вышел в 2000 году.
• Его сильные стороны: векторизованные операции, встроенная статистика, 20 000+ пакетов на CRAN и лучшие в своём классе графики.
• R против Python - не война: R глубже в статистике, Python шире в инженерии, и многие используют оба.

Дальше: устанавливаем R (и RStudio) на вашу машину.