R語言是S語言的一種開源實(shí)現(xiàn)，一種用于數(shù)據(jù)分析和圖形化的編程環(huán)境。資深分析師Catherine最近撰文結(jié)合自己的實(shí)踐經(jīng)驗(yàn)詳細(xì)介紹了R語言的優(yōu)點(diǎn)和缺點(diǎn)。

Catherine指出，R主要用于做統(tǒng)計(jì)工作。你可以把它看成是像SAS Analytics分析系統(tǒng)的競爭者之一，R如此強(qiáng)大，諸如StatSoft STATISTICA 或者 Minitab與R相比，就不值一提了。

許多專業(yè)的政府部門、商業(yè)和制藥行業(yè)的統(tǒng)計(jì)人員和方法論者把他們的事業(yè)都傾注在了IBM 的SPSS或者是SAS上，但是他們并不用寫一條R代碼就能用。所以，從某種程度上來說，決定去學(xué)習(xí)R是一個事關(guān)企業(yè)文化和你如何去工作的問題。我在我的統(tǒng)計(jì)咨詢實(shí)踐中使用好幾種工具，但是我所用的大部分都是R。

關(guān)于R語言的優(yōu)點(diǎn)，Catherine列舉了若干條：

• R是一個強(qiáng)大的腳本語言。我最近被邀請去分析一次概略研究的結(jié)果。這些研究者翻閱了1600篇研究論文，并把這些內(nèi)容用幾種標(biāo)準(zhǔn)來編碼——事實(shí)上是大量的標(biāo)準(zhǔn)，并且這些標(biāo)準(zhǔn)還包括多個選項(xiàng)和分支。他們的數(shù)據(jù)曾經(jīng)放到微軟的Excel表格中，這表格中居然包括8000列，然后這些列大多是是空的。這些研究者們想要在不同的類別和標(biāo)題下對總數(shù)進(jìn)行壓縮，R是一種強(qiáng)大的腳本語言，它能夠像Perl的正則表達(dá)式一樣來處理文本。凌亂的數(shù)據(jù)需要編程語言這樣的資源，盡管SAS和SPSS有處理那些超越下拉菜單任務(wù)的腳本語言，但是R是被用作一門編程語言來寫的，因此，對于這一目的，R是一種更好工具。
• R領(lǐng)導(dǎo)新的方式。許多新的統(tǒng)計(jì)學(xué)方面的產(chǎn)品在成為商業(yè)平臺之前，最初是作為R的包而出現(xiàn)的。我最近得到關(guān)于病人回訪的醫(yī)學(xué)研究的數(shù)據(jù)。對于每一個病人，我們有醫(yī)生曾經(jīng)建議的治療條目的數(shù)量，同時也有病人實(shí)際記住的條目數(shù)量。自然模型是β-二項(xiàng)分布。自20世紀(jì)50年代以來，這一點(diǎn)已經(jīng)被廣泛熟知，但是把估計(jì)程序與感興趣的協(xié)變量關(guān)聯(lián)起來卻是最近的事情。通常，像這樣的數(shù)據(jù)都要用一般估計(jì)方程來處理，但GEE方法是漸進(jìn)的，并且假設(shè)前提是樣本足夠大。我曾經(jīng)希望R能夠擁有處理廣義線性模型與β-二項(xiàng)式的能力。恰好最近的一個包估計(jì)了這個模型： Ben Bolker所寫的β-二項(xiàng)式。SPSS都沒有完成這個功能。
• 與文檔整合在一起發(fā)布。R能夠很好的與LaTex文檔發(fā)布系統(tǒng)整合在一起，這意味著來自于R的統(tǒng)計(jì)輸出和圖形可以嵌入到可出版級的文檔中。這并不是適合每一個人，除非你想寫一本關(guān)于數(shù)據(jù)分析的書，或者你是不喜歡把你的結(jié)果拷貝到一個字符處理文檔中，最短和最優(yōu)雅的途徑是通過R和LaTex來實(shí)現(xiàn)。
• 沒有花費(fèi)。作為一個小企業(yè)的老板，我很喜歡R是免費(fèi)的這一特點(diǎn)。甚至對于一個大企業(yè)，要知道你可以帶一個有臨時基礎(chǔ)的人來，然后快速的讓他們坐到工作站旁來使用領(lǐng)先的分析軟件是一件很美妙的事情。沒必要擔(dān)心預(yù)算問題。

Catherine進(jìn)一步指出，R是在S-Plus開發(fā)的附加模型的基礎(chǔ)上對S的一種實(shí)現(xiàn)。有時候，同樣的人也參與進(jìn)對R的開發(fā)中。R是在GNU許可證下的一個開源項(xiàng)目，在此基礎(chǔ)上，R通過不斷的添加大量的包而持續(xù)增長。R把那些能被當(dāng)做同一組安裝，并且可以被R在會話期訪問的數(shù)據(jù)集合、R函數(shù)、文檔和動態(tài)加載項(xiàng)用C或者Fortran打包到一起。R的包添加新的功能到R，并通過這些軟件包，研究人員可以很容易地分享他們的同齡人之間的計(jì)算方法。某些軟件包是范圍有限的，其他代表統(tǒng)計(jì)學(xué)的整個領(lǐng)域，含有其他一些包含了前沿的發(fā)展。事實(shí)上，許多統(tǒng)計(jì)學(xué)方面的開發(fā)包在變成商業(yè)軟件之前最開始都是以R的包的形式出現(xiàn)的。

對于InfoSphere Streams和R語言的關(guān)系，Catherine表示，InfoSphere Streams的是一種先進(jìn)的計(jì)算平臺，允許用戶開發(fā)的應(yīng)用程序，以快速的采集、分析和關(guān)聯(lián)信息，因?yàn)樗鼤邮盏綌?shù)以千計(jì)的實(shí)時數(shù)據(jù)源，處理非常高的數(shù)據(jù)傳輸率：高達(dá)每秒數(shù)以百萬計(jì)的事件或消息。它包括一個R-項(xiàng)目工具包。

InfoSphere Streams是一個計(jì)算平臺，集成了對數(shù)以千計(jì)的數(shù)據(jù)源高流速的數(shù)據(jù)進(jìn)行分析的開發(fā)環(huán)境。這些數(shù)據(jù)流的內(nèi)容通常是非結(jié)構(gòu)化或半結(jié)構(gòu)化的。分析的目標(biāo)是檢查對那些基于實(shí)時事件的數(shù)據(jù)和直接決策的模式變化。SPL是InfoSphere Streams的編程語言的簡寫，它通過一個反映了數(shù)據(jù)的動態(tài)本質(zhì)和快速分析和響應(yīng)的必要范式來組織數(shù)據(jù)。

我們從經(jīng)典統(tǒng)計(jì)分析的電子表格和通常的平面文件還是有很長的路要走的，但R都能適應(yīng)。至于3.1版，SPL應(yīng)用程序可以將數(shù)據(jù)傳遞到R，從而使用R的豐富的包庫。InfoSphere Streams支持通過創(chuàng)建相似的R對象來接收包含著SPL元組（SPL中基本的數(shù)據(jù)結(jié)構(gòu)）中的信息來支持R分析。InfoSphere Streams的數(shù)據(jù)可以傳遞到R作進(jìn)一步的分析并把結(jié)果傳回給SPL。

當(dāng)然，R語言不是完美無缺的，Catherine也列舉了R語言的缺點(diǎn)：

• R不是一個數(shù)據(jù)倉庫。在R輸入數(shù)據(jù)的最簡單的方法是輸入在別處，然后將其導(dǎo)入到R。R已作出努力來添加電子表格的前端，但還沒有做到完美。對電子表格功能的缺乏不僅影響數(shù)據(jù)輸入并且這對在R可視化的查看數(shù)據(jù)也很難，而這些事情，你在SPSS和Excel中都可以完成。
• R使得普通的任務(wù)在醫(yī)療研究中變得艱難。例如，當(dāng)列出無應(yīng)答和丟失的數(shù)據(jù)的發(fā)生的時候，你處理數(shù)據(jù)的第一步是對所有變量匯總統(tǒng)計(jì)。這在SPSS只需要點(diǎn)擊幾次鼠標(biāo)，但R有沒有內(nèi)建的函數(shù)來計(jì)算這個相當(dāng)明顯的信息，并以表格形式顯示出來。你可以很輕松地寫一些東西出來，但有時你只是想用鼠標(biāo)操作即可。
• R的學(xué)習(xí)曲線是艱難的。一個新手可以打開一個菜單驅(qū)動的統(tǒng)計(jì)平臺，并在幾分鐘內(nèi)得到結(jié)果。并不是每個人都想從一個程序員變成一個分析師，當(dāng)然，也許不是每個人必須這樣。
• R是開源的。R社區(qū)非常大，成熟，并且活躍度也很高，毫無疑問，R是其中較為成功的開源項(xiàng)目。正如我所展示的那樣，R的實(shí)現(xiàn)花了20年以上的時間，并且S語言比R時間更長。它是一個論證過了的概念和產(chǎn)品。但是，任何開放源碼的產(chǎn)品，它的可靠性依賴于透明度。我們相信代碼，因?yàn)槲覀兛梢詸z查代碼，，并且別人也可以檢查代碼進(jìn)而報(bào)告錯誤。這與那些采取它在自己的基準(zhǔn)，并驗(yàn)證其軟件的公司項(xiàng)目是不同的。而對于那些較少被使用的R包，你沒有理由相信它們做出了正確的結(jié)果。