R语言的一些看法



就整个编程语言的圈子来说 R语言 是比较小众的，其应用领域主要是统计学以及与统计相关的地方。R语言在最开始就没有被设计成一个通用的语言（指一些跟系统底层有关的操作），而只专注于数据分析和绘图，因此在业界（其实我也说不好这个业界具体指什么，暂且意会吧= =）它一直没有得到广泛应用。但之前所说的小众又是相对而言的，对于统计分析人员以及统计科研人员来说R语言的意义非常重大。

R语言最强大的地方就是它的统计计算功能，这可以从数据结构和算法两方面来说。

首先，它的许多数据结构都是为数据处理的需要而设计的。例如其中有一个叫做data.frame的数据类型，它本质上就是一张二维表，每一行是一条记录，每一列是一个字段（按统计学的术语来说，每一行是一个观测，每一列是一个变量）。data.frame是一种类矩阵结构，可以对行和列进行一系列的操作，但它又允许每一列的数据是不同的类型，这跟现实中的很多数据是相符的。当然，其它各种流行的语言要实现这些操作都不是难事，只不过R语言是把这些数据结构作为内置的一部分。
此外，R语言的绝大多数操作都是向量化的，这和Matlab很像，因此省去了很多显式的循环。例如，如果x是一个向量，那么我要将它标准化（减去均值，再除以标准差）就只需要
(x - mean(x)) / sd(x)
形式上就像是在写数学公式。

除去基础的数据结构之外，数据处理最重要的一点就是各种统计方法，在这一点上R语言可以不太谦虚地说是无言能及。R语言的统计方法更新很快，目前已经有3000多个附加软件包，其中大多数都是统计学专业的老师和学生，以及数据分析人员贡献的。当然这有好处也有坏处，好处是你永远可以找到最新的统计方法，因为那些大牛们发paper时基本上都会将程序编好然后挂到网站上；坏处是新的方法往往还不太成熟，而且包的质量参差不齐，有时候你可能不敢轻易使用。
而这一点是很多开源项目共同的劣势。商业机构提供的软件会经过工程师的检验和调试，而R语言是开源项目，并不对使用它而产生的后果负责，因此从公司的角度来说往往不愿意承担这方面的风险。

关于R的效率。R是一种脚本语言，肯定不如C++等编译型语言快，但R语言设计的初衷不是追求效率，而是符合统计编程的思维。R语言的优势在于能够快速实现各种比较复杂的算法，比如说你新提出了一种统计方法，就可以用R语言快速地做一些模拟实验，如果效果不好，也不会浪费太多的时间。而如果你用FORTRAN或者C来写，可能编程的时间比你思考的时间更长，万一效果不好，还得推倒重来。因此比较合理的一种做法是用R语言来构建模型，如果模型比较成熟了，再用C或者FORTRAN来实现高效的运算。

事实上，R语言和其它语言也是可以互相调用的，目前我知道的有：
Python通过RPy库调用R，.NET通过COM组件，JAVA通过JRI库，C和C++可以直接从R的dll调用R。而反向来说，R有内置的调用C/C++和FORTRAN的方法，还可以通过rJava包来调用JAVA。
其中用得比较多的，一个是从R调用C和FORTRAN，目的是提升运算速度；另一个是从.NET调用R，目的是用.NET快速做出图形界面，然后把数据分析交给后台的R，再从R返回运算结果到前台。

最后说一个R的有意思的应用。

R语言有个很实用的功能，就是与LaTeX进行整合，来进行动态的文档生成，这个功能叫做Sweave。在编写LaTeX文档时，可以在其中加入特定的R程序区域块，然后编译这份文档时，R会首先计算其中的程序代码，得到输出结果，然后再将这些结果插入到LaTeX文档中。这也是Donald Knuth老爷子提出的Literate programming的一个实现。比如下面的这段LaTeX文档，


...
\begin{document}
现在，我们先生成10个正态随机数：
<<echo=FALSE>>=
x = rnorm(10);
print(x);
@
然后计算出它的均值等于\Sexpr{round(mean(x), 3)}。
\end{document}


会首先被翻译成


...
\begin{document}
现在，我们先生成10个正态随机数：
[1]  -0.35165957  -0.96620642    0.96028362  -0.10754500  -1.17599252    0.41813888
[7]    1.27305011    0.56903124    0.08912148  -0.28017186
然后计算出它的均值等于0.043。
\end{document}


然后再将翻译出的LaTeX文档编译成pdf。试想，如果你每个月都要整理出一份统计分析报告，而其中用到的方法其实是固定的，只是数据源不同，那么就可以编写出这样一份Sweave文档，然后每个月只要改动一下数据的来源，报告就可以自动生成了。


最后的最后再说明一下，写这个帖子主要是分享一下自己使用R语言几年来的一些体会，顺便把它介绍给将来可能会用到的人。前面说了这么多，主要都是一些优点，但客观地来说，R语言存在的问题也是很多的。首先一点，就是它缺乏更加专业的技术支持。R语言的贡献者（包括核心开发人员R cores和软件包贡献者）大都是统计学出身，论编程的能力，我相信与计算机专业的人还是有一些差距，因此在一些底层的优化上，与其它比较成熟的脚本语言相比仍显不足。第二点是软件包的管理。目前R core们对于附加包的态度基本上是无为而治，放任自由，只要你的软件包能通过自身的语法检验，就都能挂到服务器上供其他人下载使用，这就使得包的质量参差不齐，需要一定的筛选。第三点是运行的效率。这也是R语言的使用者最头疼的一个问题，但根据伟大的人品守恒定律，一种编程语言如果太过灵活，那么它的效率肯定会打折扣。要解决这个问题，最好的办法当然就是……好好学习，努力工作，赚大把大把的钱，然后换台更牛的机器。