1.1 R是最值得学习的编程语言

问题

为什么要学R语言?

R是最值得学习的编程语言

引言

如果要问在Node、Lua、Python、Ruby和R这5种语言中,哪个语言在2014年的应用前景会更好,我会毫不犹豫地选择R,而且我认为R语言不仅是2014年,也是以后更长一段时间内的明星。在本书开篇,我们就谈谈为什么R语言是最值得学习的编程语言。

1.1.1 我的编程背景

本人程序员、架构师,从编程入门到今天,一直深信着Java是改变世界的语言,Java已经做到了,而且一直很辉煌。但当Java越来越强大,覆盖领域越来越多,变得无所不能的时候,它反而不够专业,这就给了其他语言发展的机会。

我已使用Java语言11年,R语言3年,Node 1年,对于本次问题 “哪个语言在2014年的应用前景会更好?”,我选择R语言。

1.1.2 为什么我会选择R?

我会从下面的9个方面,来说明我选择R的原因。

  • R的基因
  • R的发展
  • R的社区和资源
  • R的哲学
  • R的使用者
  • R的语法
  • R的思维模式
  • R解决的问题
  • R的不足

1. R的基因

1992年,新西兰奥克兰大学的Ross Ihaka和Robert Gentleman 两位统计学家,为了方便教授初等统计课程,发明了一种编程语言,因为他们名字的首字母都是R,于是R便成为这门语言的名称。

从我开始学习R语言,我就开始了知识的跨界思考。统计学基于概率论,概率论又基于数学,用计算机的方式编程,同时解决某个领域的实际问题。多种学科知识的交集,决定着我们解决问题的能力。统计的基因,让R语言与众不同!

2. R的发展

R一直在小众领域成长着,最早也只有统计学家在用,主要用R来代替SAS做统计计算。然而时代在进步,随着大数据的爆发,R终于在这一波浪潮中,被工业界所发现。然后,有越来越多的工程背景的人加入到这个圈子,对R的计算引擎、性能以及各种程序包进行改进和升级,让R获得了新生。

我们现在用到的R语言软件,已经越来越接近工业软件的标准了。由工程师推动的R的发展,其速度远远地超过了由统计学家推动的发展。随着人们对数据分析需求的进一步增加,R会以更快的速度继续发展,将成为免费的、开源的数据分析软件的代名词。

3. R的社区和资源

R的发展离不开R的各种社区支持,尤其是R的官方社区支持。在R的官方网站中,我们可以下载到R语言软件、R的第三方软件包和R的其他支持软件。 当然,我不得不承认R的官方网站( http://www.r-project.org/ )从Web页上看起来太简陋了,稍微调整一下CSS样式表,都会比现在好看很多。也许这种简单、无修饰也是统计学家的基因吧。R语言的社区资源同其他语言一样丰富,除了官方社区,还有开发者论坛(http://r.789695.n4.nabble.com/)、R-Journal列表( http://journal.r-project.org/ )、软件包列表、R语言图书列表以及R用户组等。

R是自由软件,开发者可以开发自己的软件包,封装自己的功能,然后在CRAN( http://cran.rstudio.com/ )上面发布。截止到2014年2月,共有5236个R包在CRAN上面发布。可能很多人会说只有5236个包,数量太少了。这是因为CRAN是需要提交申请的,每个包都必须经过R语言小组审核、检查后才会发布出来,而且审核非常严格。高质量是发布一个新的R包的基本要求。由于CRAN过于严格的审查,让很多的开发者选择在RForge( https://r-forge.r-project.org/ )上发布R包,还有些R包是基于Github发布的,我也在github上面发布了自己的R包:https://github.com/bsspirit/chinaWeather

下面列出与R语言相关的主要社区和资源。

4. R的哲学

每种语言都有自己的设计理念和哲学,而我体会的R的哲学,就是“静下心做事情”。R不需要很长的代码,R也不需要设计模式。一个函数调用,传几个参数,就能实现一个复杂的统计模型。我们需要思考的是用什么模型、传什么参数,而不是怎么进行程序设计。我们可能会用R实现“从一个数学公式,变成一个统计模型”的过程,我们也可能会考虑“如何让一个分类器结果更准确”,但我们不必思考一个算法的“时间复杂度是多少,空间复杂度是多少”。

R的哲学,可以让你把数学和统计学的知识,变成计算模型,这也是R的基因所决定的。

5. R的使用者

R语言早期主要是学术界统计学家在用,后来逐渐被其他很多领域的学者所用。R语言有各种不同的应用领域,包括统计分析、应用数学、计量经济、金融分析、财经分析、人文科学、数据挖掘、人工智能、生物信息学、生物制药、全球地理科学、数据可视化等等。

近几年,由互联网引发的大数据革命让工业界的人开始认识R,加入R。当越来越多的有工程背景的人加入到R语言使用者的队伍后,R才开始向着全领域发展,逐步实现工业化的要求。现在,R已不仅仅是学术界的语言,它还是工业界必备的语言。

下面列出一些推动R语言在工业界发展的R包。

  • RevolutionAnalytics公司的RHadoop产品,让R可以直接调用Hadoop集群资源。
  • RStudio公司的RStudio产品,给了我们对于编辑软件新的认识。
  • RMySQL、ROracle、RJDBC打通了R和数据库之间的访问通道。
  • Rmongodb、rredis、RHive、rhbase、RCassandra打通过R和NoSQL数据库之间的访问通道。
  • Rmpi、snow打通了单机多核并行计算的通道。
  • Rserve、rwebsocket 打通了R语言的跨平台通信的通道。

6. R的语法

R是面向对象语言,语法如同Python。但R的语法很自由,很多函数的名字看起来都是那么随意,这也是R的哲学的一部分吧!例如,看到如下这样的赋值语法,有其他语言基础的程序员,肯定会崩溃的。

> a<-c(1,2,3,4)->b
> a
[1] 1 2 3 4
> b
[1] 1 2 3 4

随机取正态分布N(0,1)的10个数,又是这么的简单。

> rnorm(10)
 [1] -0.694541401  1.877780959 -0.178608091  0.004362026
 [5]  0.836891967  1.794961298  0.115284187  0.155175219
 [9]  0.464028612 -0.842569561

用R画鸢尾花的数据集的散点图,有非常好的可视化效果。

> data(iris) #加载数据集
> head(iris) #查看前6行数据集
Sepal Length Sepal Width Petal Length Petal Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
 > plot(iris) #画图

输出结果见图1-1。

鸢尾花的数据集的散点图

图1-1 鸢尾花的数据集的散点图

正是因为R自由的哲学,让R的语法独特而简洁,我已经喜欢上这种哲学了。

7. R的思维模式

R语言让我跳出了原有的思维定式。使用R语言,我们应该像统计学家那样思考问题,而不是拘泥于程序员的思维模式。统计学家的思维模式,是先考虑为什么,再考虑做什么。而程序员的思维模式,是直接考虑怎么做,等有了结果再考虑为什么。

R语言是直接面向数据的语言。在我们的日常生活中,无论做什么事情都会产生数据,上网有浏览数据,买东西有消费数据,就算什么都不干,也会受大气PM2.5的影响,有空气污染指数数据。利用R语言,我可以直接分析这些数据。面向什么业务,就分析什么数据,不需要从产品经理向程序员的角色转换,不需要考虑有什么功能,更不需要考虑程序设计的事。跳出程序员的思维模式,我们所能认知的东西会更多,于是也能找到更适合自己的定位。

8. R解决的问题

当数据成为生产资料的时候,R就是为人们能运用生产资料创造价值的生产工具,R语言主要解决的是数据的问题。在很长一段历史时期,人类产生的数据都没有自互联网诞生以来产生的数据多;当Hadoop帮助人们解决了大数据存储的问题后,如何发现数据的价值,则成为当前最火的话题。R语言具有强大的统计分析能力这就让它成为数据分析最好的工具。所以,R要解决的问题,就是如何挖掘数据价值的问题。

9. R的不足

尽管前面说了R的各种优点,但我们依然不能说R就是完美无缺的,因为R也有很多不足。具体来说,R的缺点有下面5个。

  • R软件是统计学家编写的,并不如软件工程师编写的软件那么健壮。
  • R软件的性能,存在一些问题。
  • R语言很自由,语法命名不太规范,需要花时间熟悉。
  • R语言的内核编程,要比普通的R包使用,难度大得多。
  • R语言结合了很多数学、概率、统计的基础知识,学起来有一定门槛。

R的这些不足,都是可以克服的。当有更多的工程背景的人加入的时候,R语言会比现在更强大,会帮助使用者创造更多的价值。

1.1.3 R的应用前景

R可以做所有SAS能做的事情。SAS系统全称为Statistics Analysis System,是国际上最知名的商业分析软件工具之一。SAS用于决策支持的大型集成信息系统,统计分析功能是它的重要组成部分和核心功能。在数据处理和统计分析领域,SAS系统被誉为国际上的标准软件系统,堪称统计软件界的巨无霸。

R和SAS处于完全的竞争的关系中,R的免费和开放,让R有着更广阔的应用前景。下面给出了当今R应用最热门的领域。

  • 统计分析:包括统计分布,假设检验,统计建模。
  • 金融分析:量化策略,投资组合,风险控制,时间序列,波动率。
  • 数据挖掘:数据挖掘算法,数据建模,机器学习。
  • 互联网:推荐系统,消费预测,社交网络。
  • 生物信息学:DNA分析,物种分析。
  • 生物制药:生存分析,制药过程管理。
  • 全球地理科学:天气,气候,遥感数据。
  • 数据可视化:静态图,可交互的动态图,社交图,地图,热图,与各种Javascript库的集成。

本书会介绍R语言在统计分析、金融分析、数据挖掘、推荐系统、社交网络等领域的应用。R有着非常广阔的应用前景,而且R也将成为新一代的最有能力创造价值的工具。

1.1.4 时代赋予R的任务

R语言是在大数据时代被工业界了解和认识的语言,R语言被时代赋予了挖掘数据价值、发现数据规律以及创造数据财富的任务。R语言也是帮助人们发挥智慧和创造力的最好的生产工具,我们不仅要学好R语言,还要用好R语言,为社会注入更多的创新的生产力。

总而言之,在这5种语言中,R是最特殊的,R被赋予了与其他语言不同的使命。R的基因决定了R将成为2014年,也可能是以后更长一段时间的明星。因此我认为“R是最值得学习的编程语言”。不论你正在读书,还是已经工作,掌握R语言这个工具并找最适合自己的位置将会前途无量。

results matching ""

    No results matching ""