快速了解数据科学与 R 语言数据分析

作者 CDA 数据分析师

数据科学家被认为是21世纪最性感也是最具发展前景的职业，目前有75%左右的数据科学家使用R语言，有35%左右的数据科学家将R语言作为首选统计分析工具。今天，带大家了解一下这门富有魅力的数据科学语言。

一、R 语言环境

R 是一款为数据分析而设计的语言，其功能集数据操作、数学计算和数据可视化为一体，其特点在于:

1.有效得进行数据处理与存储

2.对数组，矩阵运算处理的支持

3.包含大量专门用于数据分析、统计分析和数据挖掘的实现方法

4.强大的数据可视化能力

二、R 与数据分析

经过多年的发展，R 语言的数据分析功能可以说是包罗万象。比如它可以实现像区间估计、方差分析、回归等经典的数理统计方法，也可以实现像聚类、决策树、神经网络等较新的数据挖掘、机器学习方法。

这些方法在R中通过程序包(package)来实现。例如，R 的基础套件中的 stats 包包含了常见的统计分析方法，graphics 包包含了基础绘图方法，parallel 包包含了并行计算方法等。此外，Cran 上也有很多优秀的、可以用于数据处理、分析、可视化第三方包。比如实现决策树的 rpart 包，实现神经网络的 nnet 包，实现动态图图表的 plotly、echartR 包等

三、R 语言的优缺点

1. 优点

（1）R语言是开源免费的，其语法非常类似于S语言，对于S语言的用户，R语言非常容易上手，并且其能够广泛得使用在很多的平台与操作系统上，包括主流的WINDOWS，iOS，Linux等，甚至索尼的Playstation3也可以使用R。另外核心团队一直在维护R，其bug修正和版本更新也非常及时。

（2）R本身是十分小巧，其很多分析功能被包含在了包中，用户可以依据需要下载实现相应功能的包。R在交互式的工作下表现出色，同时其程式化语言性质使得其也是一款优秀的开发工具，其用户社区十分活跃。

2. 缺点

R语言本身是基于40年前的老技术开发的，其对动态图与3D图像功能的支持不太尽如人意(不过近些年来这种情况有所改观)，虽然其有很多功能强大的包，但如果以往的包的功能不符合要求或希望实现新的功能，则需要自己动手编写包去完成。内存方面，R语言中的对象普遍被存储在物理内存中，这就意味着随着在R中创建对象越来越多，其内存消耗将越来越大，一个典型例子是处理大型数据时会消耗过度的内存，这种状况至今也没有任何改观，这也使得R的处理大型数据上的能力大打折扣。另外，频繁的版本更新会使得很多包在新版本中无法使用，以至于用户有有时候不愿升级。

四、R 语言的一些资源介绍

1.CRAN官网:CRAN全名为The Comprehensive R Archive Network，是R语言的官方网站。其包含各个版本R语言的帮助、下载等

2.Rstudio官网:RSTUDIO是R的一个开源的集成开发环境，其包含R的控制台，高亮语法编辑器，支持R代码的直接执行，另外其包括了绘图工具，历史代码信息栏，代码调试信息栏等。其可以在多个平台上使用，包括Windows，Mac和Linux。链接中包含了Rstudio以及其周边产品的介绍、下载等。

3.R的书籍介绍:链接中介绍了很多有关R语言的书籍：https://www.r-project.org/doc/bib/R-books.html

五、R 语言自学能力

对于数据分析者来说，R语言是一个强大的武器库。其包含了适用于各个场景下的统计、数据挖掘方法的实现，如何去寻找这些方法的资料？如何快速的消化这些资料？如何运用这些武器于实际的分析工作中？这些需要培养起自己的自学能力:

1.英语的阅读能力:英语的阅读能力本应该属于自学能力中的一项，这里单独列出的主要原因在于R的很多资料都是以英文形式写出的，比如R的包的帮助文档，如果读者可以直接阅读这些材料，将会有利于学习这门开源软件

2.动手能力:只要涉及到分析，那么就需要完成数据获取、数据处理、数据分析、结果展现等过程，这些过程都需要分析师独立完成。所以动手能力是学好R等开源数据分析工具的必要前提。

3.寻找资料:合格的分析师的眼界是开阔的，这里不仅仅是对自己所处业务领域的了解，也包括对新的数据分析方法的了解与学习。在R中，总会有一些新的分析方法包出现，也会有写新的案例、教程出现。寻找这些资料是累积分析经验的一种很好的途径。这里可以通过使用搜索引擎(google)，可以关注相关微博、微信的公众号、学习市面上培训机构的线上或线下的相关课程等等

4.坚持不懈:对R的学习过程中，肯定会遇到各种困难，比如分析方法原理难于理解，程序的报错，或者分析结果与实际情况有偏差。总之，下定决心后，就不要停止。付出会有回报。