R语言成为数据分析师新宠

Little Corsican

于2012-06-10 01:07:33翻译 | 已有1885人浏览 | 有5人评论

对一些人来说R只是字母表里的第十八个字母；对另一些人来说R代表限制级电影，或是用来衡量阁楼隔热板的阻热程度，或是电影里海盗的台词。

R还是一个广受喜爱的程序语言的名字，越来越多的公司和学术界的数据分析师开始使用R语言。R语言能够成为他们的交际用语，一定程度上是因为数据挖掘已经进入了黄金时期，不仅可用于广告定价，还可用于更快地找到新药或是微调过的财务模型。很多不同类型的公司都在使用R语言，比如谷歌，辉瑞，默克，美国银行，洲际酒店集团和壳牌。

但R语言也为它自己找到了一批追随者，因为缺乏电脑编程技能的统计师，工程师，和科学家们发现R语言很容易使用。

“R语言非常重要，因为很难高估它。”Daryl Pregibon这样说，他是谷歌的研究科学家，经常使用这个软件。他说：“统计师们不需要深度掌握计算机系统，就能够使用R语言做出复杂精细的分析。”

R语言还是免费的，它是开源软件，它的流行反映了当下公司里会使用的软件的类型转变。任何人都能免费使用和修改开源软件。IBM，惠普和戴尔每年卖运行开源的Linux操作系统的服务器能赚几十亿，并以此与Windows的Microsoft系统竞争。大多数的网站都使用开源应用软件阿帕奇，越来越多的公司依靠开源的MySQL数据库存储他们的重要信息。很多人用火狐网页浏览器阅读这些技术的成果，同样的，火狐也是开源软件。

R语言类似于诸如C，Java，Perl一类的程序语言，因为它允许人们使用各种不同的指令，来完成很多种类的计算任务。然而对统计师来说，R尤其的有用，因为它内置了大量模板，用来处理数据，根据信息进行计算，或是用图表表示数据集合。

有些很熟悉R语言的人说它是加强版的Microsoft Excel（电子制表软件），用比在行行列列中输入数据更好的方式阐明数据趋势。

R语言非常好用，而且很快就被广泛接受了，这是因为统计师，工程师和科学家们可以改进软件的代码，或者为某些特殊的任务改代码。R语言的包里有高级算法，有色有界面的图表，和数据挖掘技术，这样可以在数据库中挖掘的更深。

一个用R语言的网站中有将近1600多不同的包，包的数量也在指数级增长着。有个叫做BiodiversityR的包提供一个图形界面，这样计算环境趋势会更容易。

另外一个叫做Emu的包分析话语模型，一个叫做GenABEL的包用来研究人类基因组。

金融服务行业特别青睐R语言，光是衍生分析的包就有很多个。

谷歌的首席经济学家Hal Varian说：“R语言的美在于你可以改变它来适应不同的目标，有很多预包的可供你使用，因此你是站在巨人的肩膀上。”

R语言第一次出席在1996，那时候统计学教授 Ross Ihaka和奥克兰大学的Robert Gentleman教授以免费软件包的形式发布了这个代码。

他们说，开发R语言的想法是他们在过道上交谈时产生的。他们都想要更适合统计学学生的技术，因为他们需要分析数据并作出信息的图形模型。很多类似的软件都是计算机科学家开发的，很难用。

教授们说，他们没有接受过高级的计算机科学方向的训练，因此他们写程序充其量算是个学术游戏。然而，从1991年开始他们就把全部时间花在了R语言上。Gentleman教授说：“我们这五六年可以说是分不开，一个人负责打字，另一个人就负责思考。”

有些统计师认为这个软件的雏形很粗糙。但即使R语言有众多的缺点，它还是立刻吸引了预见到未来定制这个免费软件的大批追随者。

John M. Chambers是前贝尔实验室的研究员，现在在斯坦福大学统计专业做咨询教授，很早之前他就是一个成功人士。他在贝尔实验室帮助开发了S语言，这是另外一个统计学的软件项目，本意是提供各行各业的研究员一个可以使用的数据分析工具，但它并不是一个开源项目。

这个软件没能引起广泛的兴趣，最终落在了Tibco Software软件公司的手里。现在R语言已经超越了Chambers教授对S的预期成果。

Chambers教授说：“这些人所做的体现出了极大的多样性，非常令人激动，这真是太棒了。”