R Nedir? Veri ve İstatistik İçin Programlama Dili

R Nedir?

R, tek bir iş için geliştirilmiş bir programlama dilidir: veriyle çalışmak. İstatistik, veri analizi ve veri görselleştirme, R'ye kütüphanelerle sonradan eklenen şeyler değildir - bunlar dilin kendisidir. Ortalamalar, modeller, grafikler ve olasılık dağılımları kutudan çıkar ve söz dizimi, veriyle uğraşanların gerçekten sorduğu soruya göre şekillenmiştir: "işte bir sayı sütunu, bana bir şey söyle."

Bu odak, R'nin bütün kişiliğidir. Java gibi genel amaçlı bir dil sizden ilkellerden yukarı doğru inşa etmenizi ister. R size t-testini tek satırda verir.

İşte R doğduğu işi yaparken - çalıştırın:

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")

Üç istatistik, üç satır, hiç import yok. c() değerlerden bir vektör oluşturur; mean(), sd() ve max() ise dile gömülüdür. İşte minyatürde R deneyimi.

Kısa Bir Tarihçe

R, 1970'lerde Bell Labs'te geliştirilen istatistiksel dil S'ten doğdu. 1990'ların ortasında Auckland Üniversitesi'nden iki istatistikçi - Ross Ihaka ve Robert Gentleman - S fikirlerinin ücretsiz, açık kaynaklı bir uygulamasını geliştirdi ve hem kendi adlarının baş harflerine hem de kökeni olan S'e gönderme yaparak R adını verdi.

R 1.0, 2000 yılında yayınlandı ve dil o zamandan beri R Core Team tarafından bakılıyor. Ticari ataları ücretliyken R ücretsiz olduğu için önce üniversitelere ve araştırma laboratuvarlarına yayıldı - ve bu akademik DNA hâlâ kendini gösteriyor: istatistikçiler yeni bir yöntem icat ettiğinde, onu uygulayan bir R paketi genellikle her şeyden önce ortaya çıkar.

R Ne İçin Kullanılır

• İstatistik ve veri analizi. Temel kullanım alanı. Betimsel istatistikler, hipotez testleri, regresyon, zaman serileri - hepsi birinci sınıf vatandaş.
• Veri görselleştirme. Temel R grafikleri tek fonksiyon çağrısıyla çizilir ve ggplot2 paketi, herhangi bir dildeki en iyi grafik kütüphanesi olarak kabul edilir.
• Veri bilimi. "tidyverse" paket koleksiyonu (dplyr, tidyr, readr) dağınık veriyi temizlemeyi ve yeniden şekillendirmeyi alışılmadık derecede keyifli hale getirir.
• Biyoenformatik. Bioconductor projesi - genomik için binlerce R paketi - R'yi biyolojinin büyük bölümünde varsayılan dil yapar.
• Akademi ve araştırma. Ekonomi, psikoloji, epidemiyoloji, ekoloji: bir alan p-değerli makaleler yayınlıyorsa, o alanın lisansüstü öğrencileri muhtemelen R yazıyordur.
• Raporlama. R Markdown ve Quarto, analiz kodunu şık raporlara, sunumlara ve panolara dönüştürür.

İnsanlar R'yi Neden Seviyor

Her şey bir vektördür. R işlemleri doğal olarak değer koleksiyonlarının tamamına aynı anda uygulanır - prices * 1.2 her fiyatı %20 artırır, döngüye gerek yok. Bu bir kez oturunca veri kodu çarpıcı biçimde kısalır. Vektörler konusuna geldiğinizde bunu her yerde göreceksiniz.

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

print(with_tax)

İstatistik gömülüdür. Rastgele sayı üretimi, dağılımlar, istatistiksel testler ve doğrusal modeller temel R'de yaşar. Çoğu dilde bunlar üçüncü taraf bağımlılıklarıdır; R'de öylece oradadırlar.

CRAN. Comprehensive R Archive Network, 20.000'den fazla seçilmiş paket barındırır ve her biri yayınlanmadan önce otomatik denetimlerden geçer. Alanınızın kullandığı niş yöntem her neyse, biri onu paketlemiştir.

Zamanınıza saygı duyan grafikler. hist(scores) size bir histogram verir. Tek çağrı. Keşifsel analiz - veriye bak, ayarla, tekrar bak - R'nin optimize ettiği şeydir.

R ve Python: Dürüst Karşılaştırma

Bu, her yeni başlayanın sorduğu soru; işte kabilecilikten uzak yanıt.

Python, veride çok iyi olan genel amaçlı bir dildir. Veri işi daha büyük bir sistemin bir parçası olduğunda kazanır - bir web uygulaması, üretim ML hattı, otomasyon tutkalı. Ona bağlı daha çok iş ilanı vardır ve tek dil daha çok alanı kapsar.

R, istatistikte mükemmel olan bir veri dilidir. İşin kendisi analiz olduğunda kazanır: veri kümelerini keşfetmek, istatistiksel modeller kurmak, yayın kalitesinde grafikler ve raporlar üretmek. İstatistik ekosistemi daha derindir ve en yeni yöntemler önce R'ye gelir.

Hiçbiri "daha iyi" değildir - farklı ağırlık merkezlerine yönelmişlerdir. Araştırmada, biyoistatistikte veya analitik ağırlıklı rollerdeyseniz R ile başlayın. Veri dokunuşlu yazılım mühendisliğini hedefliyorsanız Python ile başlayın. Ve internetteki tartışmaların atladığı sır: ilkini öğrendikten sonra ikinci dil, harcadığınız çabanın çok küçük bir kısmını alır ve pek çok profesyonel aynı hafta içinde ikisini de kullanır.

Hemen Şimdi Deneyin

Başlamak için hiçbir şey kurmanıza gerek yok - bu sayfalardaki kod blokları canlıdır. İşte biraz daha büyük bir tadımlık: zar atışlarını simüle edip özetlemek.

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() bir zarın 100 atışını simüle eder ve table() her yüzün kaç kez geldiğini sayar - tek çağrıda bir frekans tablosu. 100 değerini 10000 yapın ve tekrar çalıştırın; ortalama, tam olasılığın söylediği gibi 3,5'e doğru yaklaşır. Bu döngü - soru, kod, yanıt, ince ayar - R'de çalışmanın verdiği his tam olarak budur.

R'yi kendi makinenizde çalıştırmaya hazır olduğunuzda, sonraki adım R ve RStudio'yu kurmak.

Buradan Ne Çıkarıyorsunuz

• R; istatistik, veri analizi ve görselleştirme için özel olarak geliştirilmiş ücretsiz, açık kaynaklı bir dildir.
• 1990'ların ortasında Ross Ihaka ve Robert Gentleman'ın oluşturduğu S soyundan gelir; R 1.0, 2000'de geldi.
• Güçlü yönleri: vektörleştirilmiş işlemler, gömülü istatistik, CRAN'in 20.000'den fazla paketi ve sınıfının en iyisi grafikler.
• R ve Python bir savaş değildir - R istatistikte daha derin, Python mühendislikte daha geniştir ve birçok kişi ikisini birden kullanır.

Sırada: R'yi (ve RStudio'yu) kendi makinenize kurmak.