通用設(shè)備控制語言

本文來源：數(shù)據(jù)分析師

R 語言是過去十年中發(fā)展最快的編程語言之一。

事實(shí)上，如果你開始學(xué)習(xí)數(shù)據(jù)科學(xué)，我仍然推薦從 R 語言開始。

所以，我想向你保證。R 語言絕對沒有過時(shí)的。事實(shí)上，R 語言是非常受歡迎的而且是最好的數(shù)據(jù)語言。

為此，我想解釋為什么我對 R 語言的長期前景非常樂觀，以及為什么我認(rèn)為這也許是今天可以學(xué)習(xí)的最好的數(shù)據(jù)科學(xué)語言。

R 語言始終是最好的語言之一

我想讓你們明白的一件事情是：目前 R 語言是存在的最受尊敬、排名最高、增長最快的語言之一。

在很多方面，R 語言就代表了數(shù)據(jù)語言。在數(shù)據(jù)科學(xué)領(lǐng)域，這是一個(gè)仍處于頂端的語言（只有 1 到 2 個(gè)真正的競爭者）。

為什么這么說呢？讓我們看看幾個(gè)重要的調(diào)查和編程語言排名的結(jié)果，看看 R 語言排在哪里。

IEEE：R 語言排名第 5

世界上最大的技術(shù)專業(yè)協(xié)會 IEEE 在幾年前已經(jīng)創(chuàng)建了一個(gè)編程語言排名。

這個(gè) IEEE 的排名系統(tǒng)使用一組 12 個(gè)指標(biāo)，包括比如谷歌的搜索量、谷歌的趨勢、Twitter 的點(diǎn)擊次數(shù)、GitHub 的庫、Hacker News 的帖子等等。

使用這種方法，他們將幾十種編程語言進(jìn)行排名和分類。

在他們對 2016 年頂級編程語言的回顧中，R 語言已經(jīng)攀升到了第 5

IEEE 的方法是非常全面的，所以這對于 R 相對于其他語言的力量和學(xué)習(xí)的相對價(jià)值是一個(gè)很好的指示。

TIOBE：R的排名高，且具有連續(xù)的上升趨勢

另一個(gè)排名系統(tǒng)，TIOBE 索引，為各種編程語言創(chuàng)建了相似的分?jǐn)?shù)和排名。

如果我們看看 R 語言在 TIOBE 索引上的表現(xiàn)，我們可以看到近十年以來一個(gè)穩(wěn)定的上升趨勢。

請記住，TIOBE 索引的結(jié)構(gòu)是「編程語言受歡迎程度的指示」。索引每個(gè)月更新一次，評分是基于世界范圍內(nèi)的精尖工程師、課程和第三方供應(yīng)商的使用量。像谷歌、Bing、雅虎、維基百科、亞馬遜、油管和百度等熱門搜索引擎則用來計(jì)算排名。

到 2016 年 12 月，R 語言的總排名是 17（在所有編程語言中）。它的最高排名是 2015 年 5 月的第 12 名。

這表明，如果你想學(xué)習(xí)數(shù)據(jù)科學(xué)，目前學(xué)習(xí) R 語言仍然是一個(gè)很好的選擇。（要清楚，Python 在 TIOBE 索引上的排名較高，但是很難從 Python 相關(guān)使用的嚴(yán)格數(shù)據(jù)中分離出網(wǎng)絡(luò)和軟件開發(fā)的使用情況，因此這可能不是一個(gè)公平的比較）。

Redmonk:R語言排名12

另一個(gè)經(jīng)常選擇的語言排名系統(tǒng)是 Redmonk 編程語言排名，它是從 GitHub（代碼行數(shù)）和 Stack Overflow（標(biāo)簽數(shù)量）上的流行度衍生出來的。

截至 2016 年 11 月，R 語言在所有編程語言中排名第 13 位。

此外，R 語言幾年來一直呈上升趨勢

在前 20 種語言的后半部分中，隨著時(shí)間的推移，R 語言顯示出最一致的上升趨勢。從 2012 年的第 17 位開始，它隨著時(shí)間的推移穩(wěn)步上升，但似乎在 13 這個(gè)位置上停留了連續(xù)三個(gè)季度。然而這一次，R 語言代替了排名 12 位的 Perl，使其跌落到 13 位。雖然仍然有大量的 Perl 語言在流通，但是更加專業(yè)的 R 語言已經(jīng)奪取了這個(gè)一度被認(rèn)為是網(wǎng)絡(luò)粘結(jié)劑的 Perl 語言的位置。當(dāng)然這與 R 語言的支持者們無關(guān)。R 語言相對獨(dú)特的前 20 路徑是值得它們的粉絲所歡呼的。

O’Reilly：R語言可以說是最常見的數(shù)據(jù)編程語言

最后，媒體 O'Reilly 在過去的幾年里進(jìn)行了一次數(shù)據(jù)科學(xué)調(diào)查，他們使用調(diào)查數(shù)據(jù)來分析數(shù)據(jù)科學(xué)的趨勢。除了其他的之外，它們分析工具的使用情況來確定哪些工具是數(shù)據(jù)科學(xué)家最常使用的。

在 2016 年的調(diào)查報(bào)告中，R 語言是最常用的編程語言（如果我們排除 SQL，這不是我在這里所指的編程語言）。57% 的受訪者使用 R 語言（相比之下，使用 Python 的有 54%）

（另外，有 70% 的受訪者使用 SQL。如果你正在尋找 R 之后的另一個(gè)語言去學(xué)習(xí)，我會推薦 SQL）

他們還調(diào)查了人們?nèi)プR別數(shù)據(jù)可視化的工具。他們發(fā)現(xiàn) ggplot2 是最常見的可視化工具。我會在一篇即將發(fā)布的博客中解釋為什么我喜歡 ggplot2，但如果我們只跟蹤人氣，O'reilly 的調(diào)查表明 ggplot2 時(shí)最常被使用的工具之一，甚至可能就是最常被使用的。

R 語言是學(xué)習(xí)數(shù)據(jù)科學(xué)的極佳語言

R 語言成為一門極佳的數(shù)據(jù)科學(xué)語言，在普遍性之外，另一大原因是：它是一門非常好的學(xué)習(xí)數(shù)據(jù)科學(xué)的語言。

R 語言是真正的「數(shù)據(jù)語言」

R 語言之所以如此適合數(shù)據(jù)科學(xué)的原因部分跟它本身的語言特性有關(guān)。自 R 語言發(fā)明之初，數(shù)據(jù)及統(tǒng)計(jì)的觀念便融入其中。R-Project 形容其為「為統(tǒng)計(jì)計(jì)算而準(zhǔn)備的編程語言及環(huán)境」。也就是說，R 語言的 DNA 中就含有統(tǒng)計(jì)及數(shù)據(jù)的基因。

如此說來，R 語言在眾多編程語言中可謂獨(dú)樹一幟。它是一門為統(tǒng)計(jì)而生的語言，是一門為（處理）數(shù)據(jù)而設(shè)計(jì)的語言。當(dāng)你在學(xué)習(xí)數(shù)據(jù)科學(xué)的時(shí)候，這將帶來很大的優(yōu)勢——因?yàn)閹缀跛械慕y(tǒng)計(jì)測試或方法都能夠在 R 語言及其拓展庫中找到。

最好的書籍和資源都使用了 R 語言

儼然，R 語言已是一門「統(tǒng)計(jì)計(jì)算」語言。與之相關(guān)的是，許多很好的書籍及學(xué)習(xí)資源都采用了 R 語言。

這非常重要。如果你是一名初學(xué)者，在數(shù)據(jù)科學(xué)領(lǐng)域才剛剛起步，那么你將需要學(xué)習(xí)很多知識。要真正掌握數(shù)據(jù)科學(xué)，你需要學(xué)習(xí)包括概率論、統(tǒng)計(jì)學(xué)、數(shù)據(jù)可視化、數(shù)據(jù)處理及機(jī)器學(xué)習(xí)在內(nèi)的諸多子領(lǐng)域。所有這些領(lǐng)域都包含了理論基礎(chǔ)（也就是你需要學(xué)習(xí)的內(nèi)容），同時(shí)你也需要通過編寫程序?qū)嶋H使用它們。

也就是說，你需要這樣一種語言：

能夠在這些領(lǐng)域都能夠發(fā)揮作用（如數(shù)據(jù)可視化、數(shù)據(jù)處理、機(jī)器學(xué)習(xí)（也叫做統(tǒng)計(jì)學(xué)習(xí)））。

這門編程語言在這些領(lǐng)域內(nèi)還有高質(zhì)量的學(xué)習(xí)、訓(xùn)練素材。

盡管市面上有很多關(guān)于數(shù)據(jù)科學(xué)的書籍與課程，但其中最好的大多都是基于 R 語言的。

使用 R 語言學(xué)習(xí)概率論

以概率論為例，兩本關(guān)于概率論的優(yōu)秀書籍都是用 R 語言來編寫書上的上手案例的。這兩本書分別是：

《Probability with Applications and R》。這本書語言樸實(shí)、通俗易懂、條理清晰。

《Introduction to Probability》。這本書基于哈佛著名的統(tǒng)計(jì)學(xué)課程編寫。

這只是兩個(gè)簡單的例子。如果你進(jìn)一步發(fā)掘的話，你會發(fā)現(xiàn)幾乎所有的關(guān)于概率論的書籍都使用了 R 語言。

使用 R 語言學(xué)習(xí)頻率論統(tǒng)計(jì)學(xué)（frequentist statistics）

對于統(tǒng)計(jì)學(xué)方面的書籍也是如此。

因?yàn)榻y(tǒng)計(jì)學(xué)已經(jīng)深入 R 語言的骨髓，所以許多統(tǒng)計(jì)學(xué)課本使用 R 語言作為其學(xué)習(xí)工具。

《Statistics: an Introduction using R》是一本介紹頻率論統(tǒng)計(jì)學(xué)的優(yōu)秀書籍。

一樣的，如果你在亞馬遜上快速搜索一下，你找到的大部分統(tǒng)計(jì)學(xué)入門的教材都使用了 R 語言作為它們的學(xué)習(xí)工具。

使用 R 語言學(xué)習(xí)貝葉斯統(tǒng)計(jì)學(xué)

當(dāng)你正在尋找一本關(guān)于貝葉斯統(tǒng)計(jì)學(xué)的入門書籍時(shí)，這種趨勢變得更為明顯。

幾乎所有的關(guān)于貝葉斯統(tǒng)計(jì)及推斷的書籍都是用了 R 語言。盡管有些例外（有些書使用了 C 語言或者 Python），但主導(dǎo)的仍然是 R 語言。

如果你對貝葉斯統(tǒng)計(jì)學(xué)感興趣，你可以查看這幾本書：

Introduction to Bayesian Statistics

Statistical Rethinking

Doing Bayesian Data Analysis

如果你對貝葉斯方法感興趣的話，這些書是你最棒的選擇了，并且它們都使用了 R 語言。

學(xué)習(xí)如何在 R 中進(jìn)行數(shù)據(jù)可視化

當(dāng)你在學(xué)習(xí)數(shù)據(jù)可視化的時(shí)候，盡管你會有相對更多的編程語言可以選擇，但筆者還是認(rèn)為，大多數(shù)最優(yōu)的編程資源都使用了 R 語言。

如果你正在學(xué)習(xí)數(shù)據(jù)可視化，那么你可以參考 Nathan Yau 的工作。他經(jīng)常在他的博客（flowingdata.com）上上傳一些使用 R 語言的數(shù)據(jù)可視化教程。（筆者同時(shí)推薦他所寫的《Data Points》作為參考，在這本書中主要講授的是數(shù)據(jù)可視化的一些法則而非編程實(shí)現(xiàn)。）

筆者亦推薦 Hadley Wickham 所著的書。如果你對使用 R 語言進(jìn)行數(shù)據(jù)可視化感興趣的話，那么你應(yīng)該擁有 ggplot2 這本書。它不僅教會你如何使用 R 語言中數(shù)據(jù)可視化庫的使用方法，還能夠改變你對數(shù)據(jù)進(jìn)行可視化的觀念。

同時(shí)，你還可以參考這本書：R for Data Science。這本書包含了對數(shù)據(jù)可視化非常棒的介紹，還有對很多 R 語言數(shù)據(jù)可視化工具庫的介紹，是一本學(xué)習(xí) R 語言的必備書籍。

使用 R 語言來學(xué)習(xí)機(jī)器學(xué)習(xí)

最后，如果你想開始學(xué)習(xí)機(jī)器學(xué)習(xí)，有很多優(yōu)秀的使用 R 語言描述的機(jī)器學(xué)習(xí)的書籍可以參考。

我承認(rèn)，現(xiàn)在有各種各樣使用不同的編程語言的來描述機(jī)器學(xué)習(xí)的書籍，但我認(rèn)為，在最好的那一部分書籍中有很大比例都是使用的 R 語言。

下面有兩個(gè)使用 R 語言來介紹機(jī)器學(xué)習(xí)的優(yōu)秀的教程：

統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論（An Introduction to Statistical Learning）

應(yīng)用預(yù)測建模（Applied Predictive Modeling）

這些書寫得十分嚴(yán)謹(jǐn)同時(shí)也很容易理解。書中會提及一些理論知識（但是不會用很復(fù)雜的數(shù)學(xué)知識來為難你），同時(shí)也會教授你一些實(shí)用的技術(shù)。

毫無疑問，這是我給想學(xué)習(xí)機(jī)器學(xué)習(xí)的初學(xué)者最常推薦的兩本書，并且它們都使用的是 R 語言。

如果你想學(xué)習(xí)數(shù)據(jù)科學(xué)，R 語言是一個(gè)絕佳的選擇

最后強(qiáng)調(diào)一下，R 是一種學(xué)習(xí)數(shù)據(jù)科學(xué)的優(yōu)質(zhì)語言，因?yàn)樵S多優(yōu)秀的書籍（以及一些其它的教程）都使用 R 來作為編程語言。

所以，如果你是數(shù)據(jù)科學(xué)的初學(xué)者，由于數(shù)據(jù)科學(xué)學(xué)習(xí)材料的數(shù)量和質(zhì)量所限制，所我認(rèn)為 R 語言是最好的選擇。

一個(gè)關(guān)于 Python 的快速注解

就數(shù)據(jù)科學(xué)編程語言來說，Python 是目前唯一可以替代 R 的語言。（因?yàn)槠渌奶娲桨溉狈ν晟频能浖鷳B(tài)系統(tǒng)或者是非開源/免費(fèi)的）。

我不會在這里闡述我對 Python 的全部理解，但是我必須要講的是，Python 的確是一種優(yōu)秀的語言。我愛 Python。

話雖如此，對于數(shù)據(jù)科學(xué)的初學(xué)者來說，我仍然認(rèn)為 R 是更好的選擇，其中的原因我在上文中已經(jīng)進(jìn)行了概述。

再者，我認(rèn)為關(guān)于基礎(chǔ)數(shù)據(jù)科學(xué)概念（概率、統(tǒng)計(jì)、貝葉斯統(tǒng)計(jì)、機(jī)器學(xué)習(xí)）的許多最好的教科書和教程都是基于 R 的。當(dāng)然，這并不是說沒有優(yōu)秀的數(shù)據(jù)科學(xué)書籍使用 Python，我只是認(rèn)為基于 R 的書籍的平均質(zhì)量高于用其它編程語言描述的書籍。

有關(guān)于 Python 的另一個(gè)問題是，很多學(xué)生在開發(fā)過程中會遇到一些困難。他們在學(xué)習(xí)的過程中并沒有花多少時(shí)間來學(xué)習(xí)統(tǒng)計(jì)數(shù)據(jù)、數(shù)據(jù)可視化、數(shù)據(jù)操作、概率等，而是花費(fèi)了大量的時(shí)間去學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)、循環(huán)、流程控制、面向?qū)ο蟮木幊毯?Web 框架。這些技能可以用來完善核心的數(shù)據(jù)科學(xué)工具包，但它們不是我們想要了解的數(shù)據(jù)科學(xué)范疇的相關(guān)內(nèi)容。事實(shí)上，我建議大多數(shù)初學(xué)者先學(xué)習(xí)基本數(shù)據(jù)科學(xué)相關(guān)的內(nèi)容（如數(shù)據(jù)操作、可視化、分析等）后再學(xué)習(xí)軟件開發(fā)。

雖然大多數(shù)的初學(xué)者在以后會學(xué)習(xí)軟件開發(fā)的技術(shù)，但是很多使用 Python 來作為入門數(shù)據(jù)科學(xué)的初學(xué)者會陷入到軟件開發(fā)和 Web 開發(fā)等領(lǐng)域。我認(rèn)為之所以會出現(xiàn)這樣的問題，是因?yàn)樵谠S多方面，Python 都是運(yùn)用于這些領(lǐng)域的。大多數(shù)關(guān)于 Python 的書籍并不是真正的數(shù)據(jù)科學(xué)書籍，而是講述一些有關(guān)于編程和開發(fā)的內(nèi)容。所以，有些數(shù)據(jù)科學(xué)的初學(xué)者選擇使用 Python 描述的書籍來學(xué)習(xí)數(shù)據(jù)科學(xué)，然而他們最終卻花費(fèi)了數(shù)月甚至數(shù)年來學(xué)習(xí)軟件和 web 開發(fā)而不是數(shù)據(jù)科學(xué)。

當(dāng)然，我非常愛 Python，但是對于初學(xué)者而言，我認(rèn)為選擇 Python 有一些冒險(xiǎn)。最好還是從 R 語言開始，因?yàn)榻y(tǒng)計(jì)學(xué)和數(shù)據(jù)科學(xué)就像「它的 DNA」一樣和它綁定在一起。使用 R 語言，不僅更容易學(xué)習(xí)，也不容易偏離我們的學(xué)習(xí)范疇。

如果你想學(xué)習(xí)數(shù)據(jù)科學(xué)，那么就學(xué)習(xí) R 語言吧

你應(yīng)該記住的是，如果想要學(xué)習(xí)數(shù)據(jù)科學(xué)，R 是可以說是最好的選擇。在人氣方面，R 擁有非常高的排名，并且還處于上升趨勢。此外，有很多最好的數(shù)據(jù)科學(xué)的書籍和教程都是使用 R 語言來描述的。

如果你想要開始學(xué)習(xí)數(shù)據(jù)科學(xué)，我的建議如下：

學(xué)習(xí) R 語言

重點(diǎn)學(xué)習(xí) ggplot2、dplyr、tidyr、lubridate 和一些其它用于實(shí)現(xiàn)數(shù)據(jù)的可視化和控制的 Hadleyverse 工具

學(xué)習(xí)同時(shí)使用這些工具來進(jìn)行數(shù)據(jù)分析。

當(dāng)你對這些 R 工具包有所了解之后就可以開始學(xué)習(xí)概率、統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的內(nèi)容了 (我推薦大家使用我在本文中所談到的那些資料)

R vs Python - 超級英雄

R 這么好，也不要忘記 Python。在這一部分我們對比一下數(shù)據(jù)科學(xué)家的兩個(gè)超級英雄——R 和 Python。

Python 就像是超人，而 R 和蝙蝠俠之間有幾點(diǎn)相似之處。讓我們創(chuàng)建一個(gè)表來列出這些相似之處。

R 就像蝙蝠俠

偵探工作

智慧

狡黠

使用工具

動腦多于蠻力

Python 就像超人

肌肉力量

超級力量

優(yōu)雅

應(yīng)用面廣

蠻力多于動腦

接下來解釋一下 R 和 Python 之間的區(qū)別及原因。此外，讓我們幫助數(shù)據(jù)科學(xué)家找到更好用的編程語言。

R vs Python / R 和 Python : 哪一種更好用？

R 和 Python 都是開源的、免費(fèi)的高級編程語言。R 專門用于統(tǒng)計(jì)計(jì)算。它有大量附加包（package）/工具來支持機(jī)器學(xué)習(xí)和數(shù)據(jù)分析。另一方面，Python 是一種通用的強(qiáng)大的編程語言，在數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)調(diào)試和數(shù)據(jù)分析方面有特殊的應(yīng)用。

這種區(qū)別也是不同分析人士喜歡這些編程語言的原因。Python 通常被嘗試開發(fā)數(shù)字處理和分析技能的計(jì)算機(jī)程序員所青睞。另一方面，R 被數(shù)學(xué)家和統(tǒng)計(jì)學(xué)家優(yōu)先選擇。這些差異在這些語言的學(xué)習(xí)資源（書籍和網(wǎng)上論壇）中是顯而易見的。例如，考慮以下 4 本免費(fèi)的在線圖書。

所有這些書都是高質(zhì)量的統(tǒng)計(jì)教材，用 R 作為首選編程語言。這些只是幾個(gè)例子。請注意，第一本書不是專門用于 R，與第二本書有相同的作者。你很少會找到用 Python 作為首選語言的書籍。因此，R 更有能力處理數(shù)據(jù)挖掘和統(tǒng)計(jì)分析的相關(guān)問題。另一方面，Python 提供了非常好的應(yīng)用程序來處理非結(jié)構(gòu)化和復(fù)雜的數(shù)據(jù)集，如圖像、書面文本（網(wǎng)絡(luò)、電子郵件等）、基因、聲音等。

實(shí)質(zhì)上，Python 和 R 一起構(gòu)成了數(shù)據(jù)科學(xué)家的工具包。因此，對于務(wù)實(shí)的和面向應(yīng)用的數(shù)據(jù)科學(xué)家來說，了解這兩種語言的超級能力和特點(diǎn)是至關(guān)重要的。

使用 R 進(jìn)行分析、數(shù)據(jù)可視化與建模：

為分析提供了極好的靈活性

R 使你在分析的時(shí)候更容易思考

由于有著十分活躍的統(tǒng)計(jì)與數(shù)學(xué)社區(qū)，可以持續(xù)的更新和增強(qiáng)分析功能優(yōu)秀的數(shù)據(jù)可視化工具

優(yōu)秀的數(shù)據(jù)可視化工具

使用 Python 進(jìn)行數(shù)據(jù)預(yù)處理、數(shù)據(jù)清洗，特別針對于非結(jié)構(gòu)化數(shù)據(jù)（如網(wǎng)頁，圖像，文本等）：

極強(qiáng)的靈活性，能夠從自由文本、網(wǎng)站和社交媒體網(wǎng)站提取信息

便于圖像挖掘和為分析準(zhǔn)備數(shù)據(jù)

處理大量的數(shù)據(jù)的時(shí)候比 R 語言更好

對于一個(gè)認(rèn)真的數(shù)據(jù)科學(xué)家來說，R 和 Python 都應(yīng)該了解。我們需要的是 R+Python，而不是 R vs Python。

最后~~~

如果你對R語言感興趣

想遨游在R語言的海洋里

掃碼獲取神秘禮包喲~~~！

禮包大大大大劇透

1000+分鐘視頻課程?。?！

100+份課程資料?。?！