- r語言有什么優(yōu)劣勢(shì)及R語言的未來發(fā)展趨勢(shì)_R語言在現(xiàn)實(shí)中的應(yīng)用

就一個(gè)R和SAS精通程度幾乎相同，在兩種環(huán)境下都做過比較大（moderately big， ~xx Gb）的數(shù)據(jù)分析，與其他語言環(huán)境嵌合（SQL， Perl， etc.。。），使用過的個(gè)人（統(tǒng)計(jì)專業(yè)人員，非編程專業(yè)人員）的感受而言如下：

R的優(yōu)點(diǎn)：

1. 免費(fèi)。。。 開源。。。 （這是最重要的一點(diǎn)好不好，也是SAS流行于公司，R流行于研究機(jī)構(gòu)和大學(xué)的最主要原因）

2. 是專門為統(tǒng)計(jì)和數(shù)據(jù)分析開發(fā)的語言，各種功能和函數(shù)琳瑯滿目，其中成熟穩(wěn)定的一抓一把

3. 語言簡(jiǎn)單易學(xué)。雖與C語言之類的程序設(shè)計(jì)語言已差別很大（比如語言結(jié)構(gòu)相對(duì)松散，使用變量前不需明確正式定義變量類型等等），但仍保留了程序設(shè)計(jì)語言的基礎(chǔ)邏輯與自然的語言風(fēng)格。我這樣說可能讓人聽得云里霧里，但是如果你對(duì)SAS或者SPSS有一點(diǎn)點(diǎn)了解，就會(huì)明白我的意思了。。。

4. 小。。。 安裝程序只有50Mb左右，比起某些死貴且3個(gè)G的付費(fèi)軟件真的是超級(jí)迷你小巧玲瓏。。。 因?yàn)轶w積輕便，運(yùn)行起來系統(tǒng)負(fù)擔(dān)也小。

5. 同各種OS的兼容性好。我兩臺(tái)本本一臺(tái)Windows，一臺(tái)Linux，都用得很順手。相比之下，你有見過人在Mac上用SAS嗎。。。 這人是要多么的想不開。。。 =。 =

6. 因?yàn)橛玫娜嗽絹碓蕉?，又是開源，有很多配套的“插件”為其錦上添花。比如xtable里有一個(gè)函數(shù)可以直接將R里的表格導(dǎo)出為TeX格式；另有RStudio的插件讓你可以在同一個(gè)環(huán)境里寫TeX跑R并可在你的TeX文件中插入你的R代碼，多么的賢良淑德。。。 （這個(gè)插件我沒用過，不過我同學(xué)一天到晚在用）

7. 有R GUI和RStudio兩種風(fēng)格供君選擇，說實(shí)話我覺得這兩種風(fēng)格已經(jīng)涵括了大多數(shù)人的使用偏好。。。

8. 已經(jīng)提過了開源，還想再?gòu)?qiáng)調(diào)一下。各種包和函數(shù)的透明性極好，這使得對(duì)函數(shù)的調(diào)整和改良變得非常便利。只需要把源碼調(diào)出來，自己稍微修改一下就可以了。這種事情放在任何其他統(tǒng)計(jì)軟件里都近乎奢望。

9. 如果你做Bayesian，用R你有OpenBUGS， WinBUGS， JAGS等各種成熟活潑的包裹，很多語言又簡(jiǎn)單又附帶各種預(yù)設(shè)的plot，你只需調(diào)用即可；還可以自己寫MCMC。如果你用SAS/SPSS/Stata，你可以。。。 @@？ = =bbb

10. 漂亮又靈活的圖，大家也都已經(jīng)講過了。原本不是什么特別突出的長(zhǎng)處（有則好，沒也沒啥），不過現(xiàn)在數(shù)據(jù)可視化越來越熱，也就一躍成為主要優(yōu)點(diǎn)了。

缺點(diǎn)：

1. 對(duì)大文本（text data）處理極差。。。 或者說data management本就不是R的強(qiáng)項(xiàng)。SAS于R的最大優(yōu)勢(shì)之一可能就在于它兼顧了數(shù)據(jù)分析和數(shù)據(jù)管理。在SAS里對(duì)數(shù)據(jù)進(jìn)行各種復(fù)雜操作都相對(duì)容易，只需要簡(jiǎn)單的DATA STEP（必要時(shí)結(jié)合PROC SQL）即可完成；在R里可就真的是千辛萬苦。。。 雖然也有相應(yīng)的aggregate， merge之類的函數(shù)，但是大都不太好用。這也是為什么大家常常把數(shù)據(jù)（尤其是數(shù)據(jù)大時(shí)）在別的環(huán)境下整好/分割好再喂給R。人家術(shù)業(yè)有專攻，數(shù)據(jù)管理真是有些難為它了。

2. 內(nèi)存管理和平行處理（parallel processing/programming）都為人詬病。數(shù)據(jù)小時(shí)沒有感覺，數(shù)據(jù)大了就各種報(bào)錯(cuò)。。。 =。 =

3. package的可靠性問題。我第一門完全使用R做作業(yè)的課是門統(tǒng)計(jì)課，教授已經(jīng)六十多歲，見過各種統(tǒng)計(jì)軟件的出生發(fā)展和湮沒。她同我們說到R時(shí)第一句話就是Never use a package before you understand the manual and confirm the validity of the functions. 也就是包裹雖然好，使用需謹(jǐn)慎。主要原因還是在于開源。不常用的package一定要搞清楚函數(shù)的用法和核實(shí)過輸出，不然真的不推薦使用。我個(gè)人也是傾向非常用函數(shù)盡量自己寫，至少錯(cuò)了也容易debug.。。

4. 不得不提的package的版本問題。 就算你確認(rèn)了包裹的可靠性并熟知了各個(gè)變量要怎么用，還是可能掉入潛在的陷阱=。 = 講個(gè)真事：去年工作的時(shí)候一個(gè)項(xiàng)目是使用11年某項(xiàng)目的一個(gè)貝葉斯模型分析新的數(shù)據(jù)。當(dāng)年寫代碼的人因?yàn)橄嘈拍┤照f兩年前就已經(jīng)辭職環(huán)游世界去了，于是我只好獨(dú)自研讀他的代碼。第一步，很自然的，就是重復(fù)當(dāng)年的分析結(jié)果。這時(shí)發(fā)現(xiàn)當(dāng)年他用的一個(gè)package和現(xiàn)在的R已經(jīng)不兼容，于是就下載了這個(gè)package的最新版本。結(jié)果有一個(gè)簡(jiǎn)單的credible interval怎么都重復(fù)不出來。。。 怎么怎么都重復(fù)不出來。。。 我都快絕望了。最后經(jīng)各種推理驗(yàn)證，發(fā)現(xiàn)這個(gè)區(qū)別源自于新舊版本的函數(shù)內(nèi)部在對(duì)數(shù)據(jù)排序之后對(duì)NaN的不同處理。。。 而這個(gè)小小的修改未在任何地方留下任何文字記錄。所以怎么說呢。。。 很多時(shí)候還是寫自己的程序靠譜哇。。。

5. 當(dāng)你跑比較大的simulation，對(duì)效率有要求的時(shí)候，有時(shí)還是不得不用C，這可能是10小時(shí)和10分鐘的差別，毫不夸張。