R ist eine Nische, aber es ist die Sprache, die jeder Statistiker tatsächlich verwendet
Während Python meine primäre Programmiersprache für statistische Analysen ist, wähle ich die andere wichtige Sprache, R, obwohl sie als Nischenprodukt gilt. Hier sind die Gründe dafür.
R-Pakete
Viele Pakete zur Auswahl für jede statistische Aufgabe
Eine Sache, die ich an Python liebe, ist die große Anzahl verfügbarer Pakete. Meine Lieblingspakete haben mit Statistik zu tun, wie NumPy, SciPy und statsmodels. Da R in der statistischen Forschung so weit verbreitet ist, gibt es viele Pakete, die ich installieren kann.
Beim Durchsuchen von CRAN, dem Comprehensive R Archive Network, kann ich Tausende von Paketen zum Installieren finden. Die "Task Views" ermöglichen es mir auch, Pakete nach Themen zu installieren.
Ich kann Pakete für Aufgaben installieren, die von Landwirtschaft (dort wird stark auf statistische Forschung zurückgegriffen), über Aktuarwissenschaften (Versicherungen basieren auf Wahrscheinlichkeit), über Ökonometrie, bis hin zu maschinellem Lernen und Verarbeitung natürlicher Sprache reichen.
Ein Paketset, das ich später erwähnen werde und das die R-Welt im Sturm erobert, ist das Tidyverse, das fortschrittliche Werkzeuge für Visualisierung und Datenbearbeitung bietet.
Das Open-Access-Journal für statistische Software enthält Artikel, die neue statistische Pakete detailliert beschreiben. Während es mehr Python-Artikel gibt, erwähnen die weitaus meisten von ihnen R-Pakete.
R wird in Wissenschaft und Industrie weit verbreitet eingesetzt
Die Verkehrssprache der Statistik-Computeranwendungen
Während Python in der angewandten Statistik beliebt ist, weil es insgesamt weit verbreitet ist, ist R wahrscheinlich immer noch die am weitesten verbreitete Programmiersprache für Statistik in der Wissenschaft und Industrie.
Wenn ich jemals wieder zur Schule gehen würde, um mich in irgendeiner Weise intensiver mit Statistik zu beschäftigen, wäre ich mit grundlegenden R-Kenntnissen gut aufgestellt. Statistik, wenn man sie nur als ein Teilgebiet der Mathematik betrachtet, hat die Technologie mehr angenommen als jede andere mathematische Disziplin. Und ihr primäres Werkzeug ist R. Nimm fortgeschrittene Texte in Statistik, und das ist die Sprache, die du finden wirst. Lies die Fachzeitschriftenartikel über statistische Methoden, und sie werden ebenfalls R-Code enthalten.
Und R ist nicht nur ein akademisches Spielzeug. Echte Organisationen sind darauf angewiesen. Die BBC nutzt es, um ihre Infografiken zu erstellen, und hat ein Handbuch veröffentlicht, das sie auch intern verwendet. Rate, welche Programmiersprache sie benutzt.
Ab April 2026 wurde R im TIOBE-Index als die neuntbeliebteste Programmiersprache eingestuft.
Obwohl R im Vergleich zu anderen Sprachen eine Nischensprache ist, ist sie eine wichtige. R zu lernen wird sich auszahlen, um in der Lage zu sein, der Statistik-Community zu folgen.
Viele Bücher und Artikel
Schlage ein Statistikbuch auf, und du wirst wahrscheinlich R finden
Wie ich bereits erwähnt habe, gibt es viele Bücher und Artikel, die ich nutzen kann, um über R zu lernen. Wie ich bereits erwähnt habe, hat das Journal of Statistical Software bereits viele Artikel, die t behandeln. The R Journal ist ein Open-Access-Peer-Review-Journal, das sich speziell mit R beschäftigt.
Wenn ich nach Lehrbüchern über R suchen wollte, könnte ich viele finden. Es gibt viele Open-Access-Texte, die Aspekte von R von grundlegender Einführung in die Statistik bis hin zu anspruchsvollen fortgeschrittenen Methoden abdecken. OpenIntros Introduction to Modern Statistics ist ein beliebter Ansatz, der die veralteten, steifen Formeln und Tabellen in einem traditionellen Statistik-Einführungskurs zugunsten von R und der Untersuchung realer Daten weglässt. R for Data Science ist die Standardeinführung in das Tidyverse.
Fortgeschrittener ist Intermediate Statistics With R.
R zu kennen wird es mir ermöglichen, fortgeschrittenere statistische Kenntnisse mit Code freizuschalten.
Tidyverse und RStudio
Eine leistungsstarke Kombination für die Datenanalyse
Eine Sache, die R kontinuierlich beliebt gemacht hat, ist das Aufkommen einiger ausgefeilter Werkzeuge. Das Tidyverse ist eine Sammlung von Bibliotheken, die die Erweiterbarkeit von R nutzen.
ggplot ist eine Grafikbibliothek, die es Ihnen ermöglicht, einige anspruchsvolle Diagramme zu erstellen, indem Sie eine „Grammatik der Grafik“ verwenden, um ein Diagramm aus grundlegenden Elementen aufzubauen. dplyr ermöglicht es Ihnen, Daten zu bearbeiten, tidyr „ordnet“ Daten so, dass jede Variable eine eigene Spalte hat.
Während ich in der Vergangenheit skeptisch gegenüber IDEs war, war die Arbeit mit RStudio angenehm. Die Arbeit mit Daten eignet sich für die interaktive Nutzung, und etwas wie RStudio scheint dafür ideal zu sein. Ich bin als Amateurprogrammierer flexibel genug, von meiner Arbeitsweise abzuweichen, wenn sich ein guter Nutzen ergibt. RStudio ermöglicht es mir, mit R und ggplot leicht Diagramme zu erstellen und Daten interaktiv zu untersuchen. In Kombination mit dem TidyVerse wirkt es anspruchsvoll.
Der YouTube-Kanal R Programming 101 hat einen kurzen Screencast und ein Tutorial:
Es wäre wahrscheinlich einfacher für jemanden ohne Programmiererfahrung, eine Umgebung wie diese einzurichten, als WSL oder das macOS-Terminal zu lernen, was ich erwarte, dass die meisten Menschen, die an so etwas interessiert sind, verwenden.
Mit Tidyverse und RStudio können Sie Daten erkunden und Ihre Arbeit in R-Skripten speichern. Es ist ähnlich wie der Grundgedanke, Jupyter Notebooks für Statistik mit Python zu verwenden. Sie können Daten leicht untersuchen und Dinge ausprobieren. Sie können Ihre Arbeit speichern, um später darauf zurückzukommen, und eine Vorstellung davon haben, was Sie getan haben. Sie können Ihre Arbeit mit anderen Menschen teilen.
Von Statistikern, für Statistikern
Die Sprache der Experten
Während andere Formen des Ingenieurwesens auf Windows umgestiegen sind, waren Programmierer und Informatiker die standhaftesten Unterstützer von Unix und Linux. Wie Linux basiert R auf den Ideen, die in den Bell Labs entwickelt wurden. R ist inspiriert von der S-Sprache, die in den Bell Labs entwickelt wurde, um die Ideen des legendären Statistikers John Tukey über explorative Datenanalyse umzusetzen.
Wenn Unix als „von Programmierern, für Programmierer“ beschrieben werden kann, liegt der Reiz von R darin, dass es „von Statistikern, für Statistiker“ ist.
R mag eine Nische sein, aber es ist eine wichtige Nische
Wir leben in einer datengetriebenen Welt. Datenanalyse hilft uns, die Welt zu verstehen, und statistische Programmierung macht es viel einfacher. Da R in der akademischen und industriellen Statistik und Datenwissenschaft so weit verbreitet ist, macht es Sinn, es zu lernen, auch wenn es weniger beliebt ist als Sprachen wie Python.