R語(yǔ)言在做為數(shù)據(jù)分析工具的優(yōu)點(diǎn)

1、R語(yǔ)言在做為數(shù)據(jù)分析工具的優(yōu)點(diǎn)數(shù)據(jù)分析微信公眾號(hào) datadw分享優(yōu)質(zhì)學(xué)習(xí)資源，推薦關(guān)注。我從事數(shù)據(jù)分析工作已經(jīng)有十年之久。最初是出于工作需要，我的經(jīng)理給我一堆數(shù)據(jù)，我需要處理這些數(shù)據(jù)。當(dāng)時(shí)我一直使用的工具是 Excel，因?yàn)檫@是我熟練掌握的一款工具。三年前，我開(kāi)始接觸到 R，一開(kāi)始因?yàn)楣δ芴喽鴪?jiān)決抵制使用。后來(lái)我開(kāi)始琢磨如何使用?，F(xiàn)在我基本不怎么使用 Excel 了。這只是我個(gè)人的觀點(diǎn)，但是如果你要分析數(shù)據(jù)，R 更勝任這項(xiàng)任務(wù)。下面來(lái)說(shuō)說(shuō)為什么 R 更適合數(shù)據(jù)分析。這兩款工具的使用方法截然不同。使用 Excel 時(shí)，可以通過(guò)鼠標(biāo)點(diǎn)擊完成大部分工作，你可以訪問(wèn)界面內(nèi)不同位置的各種工具。因此

2、Excel 非常便于使用（熟能生巧），但是用 Excel 處理數(shù)據(jù)非常費(fèi)時(shí)，而且如果接手一個(gè)新項(xiàng)目，你必須單調(diào)地重復(fù)這些流程。使用 R 時(shí)，則通過(guò)代碼完成所有操作。你把數(shù)據(jù)載入內(nèi)存，然后運(yùn)行腳本來(lái)研究并處理數(shù)據(jù)。這個(gè)工具可能不夠人性化，但是有以下幾點(diǎn)好處。我認(rèn)為，從概念上來(lái)說(shuō)，R 更便于使用。如果你在處理多列數(shù)據(jù)，雖然你只是在處理單個(gè)任務(wù)，但是卻會(huì)看到所有的數(shù)據(jù)。而使用 R 時(shí)，數(shù)據(jù)都在內(nèi)存中，只有調(diào)出數(shù)據(jù)才能看到。如果你在轉(zhuǎn)換或計(jì)算，你會(huì)處理相關(guān)列或行的子集，其他所有數(shù)據(jù)都在后臺(tái)。我覺(jué)得這樣更便于關(guān)注手頭的任務(wù)。完成任務(wù)后，可將其保存在某個(gè)數(shù)據(jù)幀中，其中只包含所需的列或行數(shù)據(jù)。你建立了正確的

3、數(shù)據(jù)集，可解決當(dāng)前的問(wèn)題。這樣做看似無(wú)關(guān)緊要，但實(shí)際上大受裨益。借助 R，就可以對(duì)其他數(shù)據(jù)集輕松重復(fù)相同的操作。因?yàn)樗袛?shù)據(jù)都是通過(guò)代碼進(jìn)行處理和研究，因此對(duì)新的數(shù)據(jù)集執(zhí)行相同的操作也就輕而易舉了。使用 Excel 時(shí)，大多數(shù)操作都是通過(guò)鼠標(biāo)點(diǎn)擊實(shí)現(xiàn)，雖然用戶(hù)體驗(yàn)不錯(cuò)，但對(duì)新的數(shù)據(jù)重復(fù)操作卻非常費(fèi)時(shí)而枯燥。而 R 只需載入新的數(shù)據(jù)集，然后再次運(yùn)行腳本即可。實(shí)際上，用代碼操作也便于診斷并共享你的分析結(jié)果。使用 Excel 時(shí)，大多數(shù)的分析結(jié)果都基于內(nèi)存（數(shù)據(jù)透視表在這里，公式編輯器在另一個(gè)表格上等）。而在 R 中，通過(guò)代碼執(zhí)行所有操作，一目了然。如果你在修正一個(gè)錯(cuò)誤，你很清楚在哪里操作，而如果你

4、需要共享分析結(jié)果，只需復(fù)制粘貼代碼即可。在線查找?guī)椭鷷r(shí)，你能準(zhǔn)確說(shuō)明所用數(shù)據(jù)，并提出具體的問(wèn)題。事實(shí)上，大多數(shù)時(shí)候，你在線提問(wèn)時(shí)，人們都是直接貼出準(zhǔn)確的代碼，來(lái)解決你的問(wèn)題。R 中的項(xiàng)目組織更簡(jiǎn)單。在 Excel 中，我要準(zhǔn)備一系列表格，可能還要準(zhǔn)備多個(gè)工作簿，然后適當(dāng)命名，而且各文件名不得重復(fù)。我的項(xiàng)目備注分別保存在各個(gè)文件中。我的 R 項(xiàng)目組織單獨(dú)設(shè)有一個(gè)文件夾，我處理過(guò)的所有內(nèi)容都放在其中。清理數(shù)據(jù)、探索性圖表及模型。這樣便于我理解和查找，也為與我一起工作的其他人提供方便。當(dāng)然，Excel 也能做到井井有條。我覺(jué)得 R 的簡(jiǎn)潔性更便于使用。上述幾點(diǎn)只能說(shuō)是錦上添花，而并不是必不可少。在沒(méi)

5、有這些功能之前，我也用了好幾年 Excel，你應(yīng)該也一樣。現(xiàn)在，我想講講 R 和 Excel 真正的區(qū)別。我想說(shuō)的是，除了以上那些花哨的小優(yōu)勢(shì)之外，R 更適合用于數(shù)據(jù)分析。原因如下。你可以把任何數(shù)據(jù)載入 R。數(shù)據(jù)的保存位置或保存形式并不重要。你可以載入 CSV 文件，也可以讀取 JSON，或者執(zhí)行 SQL 查詢(xún)，抑或提取網(wǎng)站。你甚至還可以在 R 中通過(guò) Hadoop 處理大數(shù)據(jù)。R 是一個(gè)完整的工具集，使用的是數(shù)據(jù)包。在分析數(shù)據(jù)時(shí)，R 比 Excel 更實(shí)用。你可使用 R 執(zhí)行數(shù)據(jù)管理、分類(lèi)和回歸，也可以處理圖片，并執(zhí)行其他所有操作。如果機(jī)器學(xué)習(xí)是你的專(zhuān)業(yè)，那能想到的任何算法都是小菜一碟。目前

6、，R 可用的數(shù)據(jù)包逾 5,000 個(gè)，因此無(wú)論你要處理什么類(lèi)型的數(shù)據(jù)，R 都能應(yīng)付自如。R 的數(shù)據(jù)可視化效果非常卓越。說(shuō)句實(shí)話，Excel 的圖表非常出色，簡(jiǎn)單易懂。但 R 的效果更好。我覺(jué)得這是 R 最實(shí)用的功能之一。借助 ggplot2，你可以快速創(chuàng)建所需的各種圖表，并根據(jù)圖表形狀自行調(diào)整。在你熟悉了如何用 ggplot2 創(chuàng)建一個(gè)圖表后，任何其他圖表都不在話下。ggplot2 還能制作更多類(lèi)型的圖表。你能用 Excel 創(chuàng)建散點(diǎn)圖矩陣嗎？用 R 就能輕松創(chuàng)建這種矩陣，CDF plot 也是如此。Excel 棋差一招。Git 版本控制。我一向習(xí)慣保存多個(gè)版本的分析結(jié)果。Git 是至今為止我找到的最好用的工具。我使用 RStudio 作為編輯器，其支持項(xiàng)目。創(chuàng)建一個(gè)項(xiàng)目倉(cāng)庫(kù)，然后你就能跟蹤數(shù)據(jù)研究的不同版本。你可以創(chuàng)建不同版本的 Excel 文件，但是這些保存的二進(jìn)制文件無(wú)法顯示相互之間的更改部分。而 R 非常簡(jiǎn)單。我已經(jīng)說(shuō)了很多理由。總之，Excel 是一款不錯(cuò)的數(shù)據(jù)分析工具。我相信它能不負(fù)眾望完成所有任務(wù)。但是，如果你只有這一款工具