Što je programski jezik R? Uvod i osnove R
Evelyn Clarke
⚡ Pametni sažetak
R je besplatni programski jezik otvorenog koda za statističko računanje, analizu podataka i grafiku, koji su stvorili Ross Ihaka i Robert Gentleman, a sada ga održava R Core Team s više od 20 000 CRAN paketa.
Što je R softver?
R je programski jezik i besplatni softver koji su razvili Ross Ihaka i Robert Gentleman na Sveučilištu u Aucklandu 1993. godine. R posjeduje opsežan katalog statističkih i grafičkih metoda. Uključuje algoritme strojnog učenja, linearnu regresiju, vremenske serije i statističko zaključivanje, da spomenemo samo neke. Većina R biblioteka napisana je u R-u, ali za teške računalne zadatke, C, C++ i Fortran kod je poželjniji.
R-u ne vjeruju samo akademici; mnoge velike tvrtke također koriste programski jezik R, uključujući Uber, Google, Airbnb i Facebook. Razvojem sada upravlja R Core Team, a jezik je još uvijek u aktivnom izdanju — R 4.6.1 stigao je u lipnju 2026.
Analiza podataka pomoću R-a slijedi niz koraka: programiranje, transformiranje, otkrivanje, modeliranje i komuniciranje rezultata.
- program: R je jasan i pristupačan alat za programiranje
- TransformiratiR se sastoji od kolekcije paketa dizajniranih posebno za znanost o podacima
- IstražiteIstražite podatke, usavršite svoju hipotezu i analizirajte je
- Model: R pruža široku lepezu alata za snimanje pravog modela za vaše podatke
- KomuniciratiIntegrirajte kod, grafove i rezultate u izvješće pomoću R Markdowna ili izradite Shiny aplikacije za dijeljenje sa svijetom
Za što se koristi R?
Tih pet koraka se prevode u tri područja rada gdje je R zadani izbor:
- Statističko zaključivanje — testovi hipoteza, intervali pouzdanosti i regresijski modeli
- Analiza podataka — uvoz, čišćenje, reshaping i sažetke tablica
- Strojno učenje — klasifikacija, grupiranje i predviđanje putem kareta, tidymodela i XGBoosta
R po industriji
Ako analiziramo upotrebu R-a po industriji, vidimo da je akademska zajednica na prvom mjestu. R je jezik stvoren za statistiku i prvi je izbor u zdravstvu, a slijede ga vlada i savjetovanje. Grafikon u nastavku prikazuje kako je ta upotreba raspoređena.
R paketi i CRAN
Primarne upotrebe R-a su, i uvijek će biti, statistika, vizualizacija i strojno učenje. Slika ispod prikazuje koji R paketi natracpostavio je najviše pitanja na Stack Overflowu. U prvih 10, većina ih se odnosi na tijek rada znanstvenika podataka: pripremu podataka i komuniciranje rezultata.
Gotovo svi R paketi pohranjeni su u CRAN-u, sveobuhvatnom R-u. Archive Network, koja je besplatna i otvorenog koda te danas navodi više od 20 000 doprinosnih paketa. Možete ih preuzeti i koristiti za izvođenje Strojno učenje ili analizu vremenskih serija. CRAN popis u nastavku je mjesto gdje je objavljen i provjeren svaki od tih paketa.
Instaliranje traje jedan poziv, install.packages("dplyr") - razlog zbog kojeg dplyr i obitelj tidyverse postala je standardni set alata.
Komunicirajte s R
Paketi rješavaju analizu; posljednji korak je dijeljenje. R ima više načina za predstavljanje i dijeljenje rada, bilo putem markdown dokumenta ili Shiny aplikacije. Sve se može hostirati na RPubsu, GitHubu ili vlastitoj web stranici tvrtke.
Ispod je primjer prezentacije koja se nalazi na RPubovi.
RStudio prihvaća R Markdown — a od 2022. i Quarto — za pisanje dokumenta. Kao što je prikazano u izborniku za izvoz u nastavku, dokumente možete izraditi u različitim formatima:
- Dokument:
- HTML
- PDF/LaTeX
- riječ
- Prezentacija:
- HTML
- PDF beamer
RStudio također ima odličan alat za jednostavnu izradu aplikacije. U nastavku je primjer aplikacije izrađene s podacima Svjetske banke.
Zašto koristiti R?
Znati što R radi je jedno; uložiti vrijeme u to je nešto sasvim drugo. Znanost o podacima je shaping način na koji tvrtke vode svoje poslovanje i izbjegavanje umjetne inteligencije i strojnog učenja dovest će tvrtku do propasti. Veliko je pitanje koji alat ili jezik biste trebali koristiti.
Mnogi alati provode analizu podataka, a učenje novog jezika zahtijeva ulaganje vremena. Slika ispod prikazuje krivulju učenja u odnosu na poslovne mogućnosti koje jezik nudi. Negativni odnos implicira da nema besplatnog ručka: najbolji uvid iz podataka košta vremena potrebnog za učenje odgovarajućeg alata.
U gornjem lijevom kutu grafikona možete vidjeti Excel i Power BI. Ova dva alata su jednostavna za učenje, ali ne nude izvanredne poslovne mogućnosti, posebno u smislu modeliranja. U sredini možete vidjeti Python i SASSAS je namjenski alat za provođenje statističke analize u poslovanju, ali nije besplatan; to je softver tipa "klikni i pokreni". Python ima blagu krivulju učenja i fantastičan je alat za implementaciju strojnog učenja i umjetne inteligencije, ali ima manje značajki izvještavanja. S usporedivom krivuljom učenja, R je dobar kompromis između implementacije i analize podataka.
Vjerojatno ste čuli za Tableau za vizualizaciju podataka. Tableau otkriva obrasce putem grafova i dijagrama i ne treba dugo za učenje, ali alat koji je prvenstveno usmjeren na vizualizaciju može vas ostaviti s puno grafikona i bez obrasca. Tableau je prikladan za brzu vizualizaciju ili poslovnu inteligenciju; za statistiku i donošenje odluka, R je prikladniji.
Stack Overflow je velika zajednica za programske jezike i tu je da vam pomogne kada naiđete na problem s kodiranjem ili trebate razumjeti model. Tijekom godina, postotak pregleda pitanja naglo se povećao za R u usporedbi s drugim jezicima, kao što pokazuje linija trenda u nastavku. tracks procvat doba znanosti o podacima, ali također odražava potražnju za R-om.
U znanosti o podacima, dva alata međusobno se natječu. R i Python su programski jezici koji definiraju polje.
Trebate li odabrati R?
Znanstvenik podataka može koristiti dva izvrsna alata: R i PythonMožda nemate vremena naučiti ih oboje, pogotovo kada tek počinjete. Učenje statističkog modeliranja i algoritama puno je važnije od učenja programskog jezika. programski jezik je alat za izračunavanje i komunikaciju vašeg otkrića. Najvažniji zadatak u znanosti o podacima je način na koji se nosite s podacima: uvoz, čišćenje, priprema, inženjering značajki i njihov odabir. To bi trebao biti vaš primarni fokus. Pokušaj učenja R-a i Python odjednom bez solidnog znanja statistike rijetko funkcionira. Znanstvenici podataka nisu prvenstveno programeri - njihov je posao razumjeti podatke, manipulirati njima i otkriti najbolji pristup.
Glavna publika za znanost o podacima su poslovni profesionalci, stoga je komunikacija važna: izvješće, web aplikacija, nadzorna ploča. Potreban vam je jedan alat koji sve to radi, a tu su i R i njegovi stog za izvještavanje drže svoj položaj.
Je li R teško?
Prije mnogo godina, R je bio teško savladati: zbunjujući i ne tako strukturiran kao drugi programski alati. Kako bi to prevladao, Hadley Wickham je razvio skup paketa nazvanih tidyverse. Pravila igre su se promijenila nabolje - manipulacija podacima postala je intuitivna, a stvaranje grafa više nije bilo teško.
Najbolji algoritmi za strojno učenje mogu se implementirati pomoću R-a. Paketi poput Kerasa i TensorFlowa grade vrhunske modele, a R također ima paket za XGBoost, jedan od najboljih algoritama za Kaggle natjecanja.
R može komunicirati s drugim jezicima: moguće je pozvati Python, Java i C++ iz R-a. Veliki podaci su također dostupni jer se R povezuje s platformama kao što su Spark ili Hadoop.
Konačno, R se razvio kako bi paralelizirao operacije i ubrzao računanje. R je nekoć bio kritiziran zbog korištenja samo jednog CPU-a istovremeno; paralelni paket sada izvršava zadatke na različitim jezgrama stroja.
