R — язык программирования для статистической обработки данных и работы с графикой, а также свободная программная среда вычислений с открытым исходным кодом в рамках проекта GNU . Язык создавался как аналогичный языку S , разработанному в Bell Labs , и является его альтернативной реализацией, хотя между языками есть существенные отличия, но в большинстве своём код на языке S работает в среде R. Изначально R был разработан сотрудниками статистического факультета Оклендского университета Россом Айхэкой ( англ. Ross Ihaka ) и Робертом Джентлменом ( англ. Robert Gentleman ) (первая буква их имён — R); язык и среда поддерживаются и развиваются организацией R Foundation .

Широко используется как для анализа данных и фактически стал стандартом для статистических программ .

Язык и среда доступны под лицензией GNU GPL ; распространяются в виде исходных кодов, а также откомпилированных приложений под ряд операционных систем: FreeBSD , Solaris и другие дистрибутивы Unix и Linux , Windows , macOS .

В R используется интерфейс командной строки , хотя доступны и несколько графических интерфейсов пользователя , например пакет R Commander , RKWard , RStudio , Weka , , , а также средства интеграции в офисные пакеты.

В 2010 году R вошёл в список победителей конкурса журнала Infoworld в номинации на лучшее открытое программное обеспечение для разработки приложений .

Особенности

R — интерпретируемый язык программирования, основным способом работы с которым является командный интерпретатор. Язык является регистрозависимым, в плане синтаксиса он похож, с одной стороны, на функциональные языки типа Scheme , с другой — на типичные современные сценарные языки , с простым синтаксисом и небольшим набором основных конструкций. Язык объектный: любой программный объект в нём имеет набор атрибутов — именованный список значений, определяющих его.

Язык поддерживает минимальный набор примитивных типов данных: символьный (character), числовой (numeric), логический (logical) и комплексный (complex). Числовые переменные, помимо обычных чисел, могут принимать специальные значения NaN (Not a Number — «не число») и Inf (Infinity — «бесконечность»). Бесконечность (положительная или отрицательная) получается при выходе результата вычислений за пределы представимого реализацией диапазона, NaN — при операциях с неопределённым результатом. Помимо этих, имеется ещё одно очень важное специальное значение, NA (Not Available — «не доступно»). Оно может быть использовано для фиксации того факта, что соответствующее значение, участвующее в вычислениях, по какой-либо причине не было получено (достаточно обычная в статистических расчётах ситуация, когда из-за сбоев в сборе данных некоторые наблюдения остаются без результатов).

Значения примитивных типов могут объединяться в векторы (vector), списки (list), матрицы или массивы (matrix), в том числе многомерные; эти комбинированные типы хранят наборы данных одного и того же примитивного типа. Помимо этого язык содержит понятие факторов (factor) — наборов категориальных или шкальных данных, принимающих строго определённый набор значений. Наконец, могут создаваться таблицы (data frame) — структуры данных, которые для каждой строки (индивида) хранят набор различных (и имеющих разные типы) параметров (признаков). Особенностью R является то, что операции с векторами и матрицами поддерживаются на уровне самого языка, как, например, в APL .

Существует операция извлечения и записи данных (аналог присваивания) « <- », а также обычные операции работы с данными, в том числе арифметические. Доступ по индексу к элементам векторов и массивов осуществляется с помощью квадратных скобок, доступ к атрибутам списков — посредством оператора « $ ». Имеется минимальный набор обычных конструкций императивного программирования: условный оператор if , циклы while и for . Выражения на R можно описывать как отдельные объекты и вычислять по мере необходимости. На этом же механизме основано описание функций. Имеются встроенные в язык средства применения выражений и функций к векторам и массивам.

Функции R могут объединяться в пакеты — загружаемые модули, которые подключаются к любой программе и предоставляют объединённые в них вычислительные средства. Пакеты для R могут разрабатываться на других языках программирования, в том числе на Си, что позволяет, с одной стороны, скомпенсировать ограниченность изобразительных средств самого языка R, а с другой — при необходимости достигнуть высоких показателей вычислительной производительности.

Сам язык имеет довольно ограниченные и не слишком удобные средства описания данных, но это компенсируется наличием библиотечных средств, которые позволяют загружать в виде таблиц R наборы данных, представленных в большинстве открытых и многих проприетарных форматах. Так, в R могут быть легко загружены таблицы в простом текстовом формате, таблицы Excel различных версий, данные в форматах CSV , XML и многих других.

В целом, как язык программирования, R довольно прост и даже примитивен. Его наиболее сильная сторона — возможность неограниченного расширения с помощью пакетов. В базовую поставку R включён основной набор пакетов, а всего по состоянию на 2019 год доступно более 15 316 пакетов . В R реализованы практически все актуальные средства универсальных статистических вычислений, такие как регрессионный анализ и анализ временных рядов , а также множество специфических алгоритмов для решения узкоспециализированных задач и исследований в отдельных областях.

Ещё одна особенность языка — возможность создания качественной графики типографского уровня, которая может быть экспортирована в распространённые графические форматы и использована для презентаций или публикаций. Имеются готовые пакеты, связывающие R с GUI-фреймворками (например, основанными на Tcl/Tk ) и позволяющие создавать специализированные утилиты статистического анализа с графическим интерфейсом пользователя и отображением результатов в виде графиков и диаграмм.

Примеры

Базовый синтаксис

> x <- c(1,2,3,4,5,6)   # Создать упорядоченную коллекцию
> y <- x^2              # Возвести в квадрат элементы из x
> print(y)              # Вывести y
[1]  1  4  9 16 25 36
> mean(y)               # Рассчитать среднее арифметическое y; результат - число
[1] 15.16667
> var(y)                # Рассчитать дисперсию
[1] 178.9667

Средний балл выпускника вуза

# В переменную a поместить список всех оценок:
a <- c(4,3,3,3,3,4,4,4,4,4,5,4,4,4,5,5,5,5,+
3,5,5,4,4,3,3,4,4,3,5,5,4,3,3,4,4,3,3,5,4,5,5)

# В переменную n поместить количество оценок:
length(a) -> n

# Средний балл:
m <- mean(a)

# Таблица (горизонтальная) с подсчётом количества оценок:
t <- table(a)

# Преобразование в более удобный формат данных (вертикальную таблицу):
f <- as.data.frame(t)

# Вычисление процентной доли и запись её в третий столбец:
mapply(function(r) r*100/n, f[,2]) -> f[,3]

# Заголовки столбцов:
colnames(f) <- c("Оценка", "Кол-во", "%")

# Вывод результатов:
a
n
m
f

Результат:

[1] 4 3 3 3 3 4 4 4 4 4 5 4 4 4 5 5 5 5 3 5 5 4 4 3 3 4 4 3 5 5 4 3 3 4 4 3 3 5     |   вывод a (в строку влезли 38 чисел из 41)
[39] 4 5 5                                                                          |   (оставшиеся три числа)
[1] 41                                                                              |   вывод n
[1] 4                                                                               |   вывод m
  Оценка Кол-во        %                                                            |   1-й столбец - номер строки в таблице
1      3     12 29.26829                                                            |   2-й столбец - вид оценки ("3"/"4"/"5")
2      4     17 41.46341111                                                         |   3-й столбец - количество оценок
3      5     12 29.26829                                                            |   4-й столбец - процентная доля оценок

Инструменты

Для удобства работы с R разработан ряд графических интерфейсов, в том числе RStudio , , RKWard , , , R Commander , , а также программный пакет Shiny .

Кроме того, в ряде текстовых и кодовых редакторов предусмотренные специальные режимы для работы с R, в частности в , Emacs ( ), jEdit , Kate , Notepad++ , , TextMate , , Vim , Bluefish , WinEdt (с пакетом RWinEdt), Gedit (с пакетом rgedit/gedit-r-plugin). Для среды разработки Eclipse существует специализированный R-плагин; доступ к функциям и среде выполнения R возможен из Python с использованием пакета RPy; работать с R можно из эконометрического пакета Gretl .

Коммерциализация

Компания Revolution Analytics , основанная в 2007 году и поглощённая Microsoft в 2015 году, целиком свой бизнес основывала на коммерциализации языка программирования R, в её коммерческом пакете Revolution R примечательны такие компоненты (не распространяемые со свободной версией языка), как ParallelR (поддержка многопоточности среды выполнения), R Productivity Environment ( интегрированная среда разработки ), RevoScaleR (поддержка массово-параллельной обработки в рамках концепции « больших данных »), RevoDeployR , библиотеки по интеграции с веб-службами, поддержка форматов статистических пакетов корпорации SAS Institute .

В октябре 2011 года корпорация Oracle выпустила аппаратно-программный комплекс — NoSQL -кластер серверов массово-параллельной обработки, с интегрированным программными средствами на основе языка R и Apache Hadoop , а в феврале 2012 года язык встроен в Oracle Database . В 2011 году массово-параллельный анализ средствами R реализован в аппаратно-программных комплексах Netezza корпорации IBM ; позднее язык поддержан в аппаратно-программном комплексе SAP Hana .

Также язык R поддерживают коммерческие программные среды , SPSS (начиная с версии 16.0) , Statistica (начиная с версии 9.0), , Power BI , SAS , Tableau .

CRAN

R и дополнительные пакеты распространяются через CRAN (акроним Comprehensive R Archive Network ). По состоянию на конец 2010-х годов в мире доступны более 60 зеркал CRAN, головной узел расположен в Вене ( Австрия ) .

Информационный бюллетень R

Два-три раза в год выходит свободно распространяемый информационный журнал R Journal , включающий статьи о статистической обработке данных и разработке, нацеленный как на пользователей языка, так и разработчиков R. С января 2001 года по октябрь 2008 года он выходил в качестве бюллетеня R News .

Конференции

Одна из самых популярных конференций , посвящённых языку — useR! ( The R User Conference ), проходит ежегодно, начиная с 2004 года , собирает специалистов в различных областях.

Начиная с 2009 года каждой весной в Чикаго проводится конференция, посвящённая применению R в финансах ( R/Finance: Applied Finance with R ). В 2013 году прошла первая конференция, посвящённая применению R в страховании ( R in Insurance ).

Примечания

Литература

• Роберт Кабаков. R в действии = R in Action. — , 2014. — 588 с. — ISBN 978-5-947060-077 -1.
• Хэдли Уикем, Гарретт Гроулмунд. Язык R в задачах науки о данных: импорт, подготовка, обработка, визуализация и моделирование данных = R for Data Science: Visualize, Model, Transform, Tidy, and Import Data. — , 2017. — 592 с. — ISBN 978-5-9909446-8-8 , 978-1-491-91039-9.
• . Искусство программирования на R. Погружение в большие данные = The Art of R Programming: А Tour of Statistical Software Design (рус.) . — Питер , 2019. — 416 с. — ISBN 978-5-4461-1101-5 .

Ссылки

• от 5 марта 2011 на Wayback Machine (англ.)
• Шипунов А. Б. от 12 марта 2014 на Wayback Machine (рус.)
• — примеры графики, генерируемой R
• Золотых Н. Ю., Половинкин А. Н. от 17 августа 2016 на Wayback Machine (рус.)
• от 26 марта 2007 на Wayback Machine (англ.) — знакомит с работой R.
• от 2 июня 2016 на Wayback Machine (англ.)
• от 22 марта 2015 на Wayback Machine