R 语言是什么？面向数据和统计的编程语言

R 是什么？

R 是一门为一项工作而生的编程语言：处理数据。统计、数据分析和数据可视化并不是靠库外挂到 R 上的功能，它们就是这门语言本身。均值、模型、图表和概率分布都是开箱即用的，语法也是围绕数据从业者真正会问的问题设计的：“这里有一列数字，告诉我它的一些情况。”

这种专注就是 R 的全部个性。像 Java 这样的通用语言要求你从基本元素一步步搭建。R 则直接用一行代码给你一个 t 检验。

下面就是 R 在做它天生擅长的事，运行看看：

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")

三个统计量，三行代码，不需要任何导入。c() 构建一个由值组成的向量，mean()、sd() 和 max() 都是语言内置的。这就是 R 体验的缩影。

简史

R 起源于 S，一门在 20 世纪 70 年代由贝尔实验室开发的统计语言。90 年代中期，奥克兰大学的两位统计学家 Ross Ihaka 和 Robert Gentleman 用免费开源的方式实现了 S 的思想，并将其命名为 R，既取自两人名字的首字母，也呼应了它的前身 S。

R 1.0 于 2000 年发布，此后一直由 R 核心团队（R Core Team）维护。由于 R 是免费的，而它的商业前辈不是，R 首先在大学和研究实验室中流行开来，这种学术基因至今仍很明显：统计学家发明了新方法后，实现它的 R 包往往是最先出现的。

R 用来做什么

• 统计与数据分析。核心用途。描述统计、假设检验、回归、时间序列，都是一等公民。
• 数据可视化。基础 R 一个函数调用就能画图，而 ggplot2 包被普遍认为是所有语言中最好的绘图库。
• 数据科学。“tidyverse”系列包（dplyr、tidyr、readr）让清洗和重塑杂乱的数据变得格外轻松。
• 生物信息学。Bioconductor 项目提供了数千个用于基因组学的 R 包，让 R 成为生物学许多领域的默认语言。
• 学术与科研。经济学、心理学、流行病学、生态学：只要一个领域发表的论文里有 p 值，那里的研究生多半在写 R。
• 报告。R Markdown 和 Quarto 能把分析代码变成精美的报告、幻灯片和仪表板。

大家为什么喜欢 R

一切都是向量。R 的运算天然作用于整组值：prices * 1.2 把每个价格都提高 20%，不需要循环。一旦理解了这一点，数据代码会大大变短。学到向量时，你会发现它无处不在。

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

print(with_tax)

统计功能是内置的。随机数生成、概率分布、统计检验和线性模型都在基础 R 中。在大多数语言里这些都是第三方依赖；在 R 中，它们本来就在那里。

CRAN。CRAN（Comprehensive R Archive Network，R 综合典藏网）收录了 20,000 多个经过审核的包，每一个在发布前都要通过自动检查。无论你所在领域用的是多么小众的方法，都已经有人把它打包好了。

尊重你时间的绘图。hist(scores) 就能给你一张直方图，只需一次调用。探索性分析（看数据、调整、再看）正是 R 最擅长的事。

R 和 Python：实话实说

这是每个初学者都会问的问题，下面给出不带门户之见的答案。

Python 是一门很擅长处理数据的通用语言。当数据工作只是更大系统的一部分时，它更胜一筹，比如 Web 应用、生产环境的机器学习流水线、自动化脚本。与它相关的工作岗位更多，一门语言能覆盖更多领域。

R 是一门擅长统计的数据语言。当工作本身就是分析时，它更胜一筹：探索数据集、拟合统计模型、制作可用于发表的图表和报告。它的统计生态更深厚，最前沿的方法也往往最先出现在 R 中。

两者没有哪个“更好”，它们只是侧重点不同。如果你从事科研、生物统计或以分析为主的岗位，就从 R 开始。如果你的目标是带点数据色彩的软件工程，就从 Python 开始。网上争论常常略过的一个秘密是：学会第一门语言后，第二门只需花一小部分精力，很多从业者在同一周里两者都会用到。

现在就试试

开始学习不需要安装任何东西，这些页面上的代码块都可以直接运行。下面再来尝一点稍大的：模拟掷骰子并汇总结果。

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() 模拟掷 100 次骰子，table() 统计每一面出现的次数，一次调用就得到一张频数表。把 100 改成 10000 再运行一次，平均值会逐渐接近 3.5，正如概率论所说的那样。这种“提问、写代码、得到答案、再调整”的循环，就是用 R 工作的感觉。

当你准备在自己的电脑上运行 R 时，下一步就是安装 R 和 RStudio。

本节要点

• R 是一门免费开源的语言，专为统计、数据分析和可视化而设计。
• 它源自 S，由 Ross Ihaka 和 Robert Gentleman 在 90 年代中期创建；R 1.0 于 2000 年发布。
• 它的优势：向量化运算、内置统计功能、CRAN 上的 20,000 多个包，以及一流的绘图能力。
• R 和 Python 之争并不是一场战争：R 在统计上更深入，Python 在工程上更广泛，很多人两者都用。

下一节：在你自己的电脑上安装 R（和 RStudio）。