Topic 2.1 - R 语言简介¶

1. R 语言的基本介绍¶

R 语言是一种专门为统计建模与数据分析而设计的编程语言，和其他编程语言（如 Python）相比，R 具有以下优势：

使用 R（或编程语言）相比于点选式软件（如 Excel 或 SPSS）的优势包括：

清晰记录操作步骤：
- 在 Excel 中，软件展示给我们的表格其实是结果，而不是过程。我们无法清晰地看到每一步操作是如何进行的
- 使用代码进行数据分析，每一步操作都会被记录下来，因为操作记录就是代码本身
避免隐性错误：
- 在 Excel 中，一个错误的单元格引用可能会悄悄地破坏整个分析，而且还不容易被发现
- 在 R 中，错误更容易被发现，也更容易修复，因为一旦代码有错，程序就会报错，提示你哪里出了问题
可重复和可更新：
- 在 Excel 中，如果你需要用新数据重新运行相同的分析，你可能需要手动重复每一步
- 使用代码进行数据分析，代码就是过程的记录，你只需要运行相同的代码，就可以得到新的结果
适合团队协作：
- 在 Excel 中，尽管也可以共享文件，但是大家对文件的修改都是基于覆盖别人数据的方式，很难追踪每个人的修改历史，也不方便多人同时编辑
- 使用基于代码的工具，版本控制系统（如 Git）可以帮助团队更好地协作，追踪每个人的修改历史，并且支持多人同时编辑同一个项目

R 语言的历史可以追溯到上世纪90年代，当时 Ross Ihaka 和 Robert Gentleman 在新西兰奥克兰大学开发了 R 语言：

1980年代末：Ross Ihaka 与 Robert Gentleman 在新西兰奥克兰大学任教，因教学需要，萌生了开发新语言的想法
1991年：R 语言开始开发，由奥克兰大学统计系的 Ross Ihaka（左）与 Robert Gentleman（右）共同创建；名字"R"来自两人名字的首字母

1993年：R 的第一个二进制版本在 StatLib 上公开发布
1995年：R 以 GPL 开源协议正式发布，任何人可免费使用和修改
1997年：R 核心开发团队正式成立，CRAN（R 包存储库）创建
2000年：R 1.0.0 正式发布
2004年：R 2.0.0 发布
2007年：R 语言数据可视化包 ggplot2 发布，极大提升了 R 的数据可视化能力
2009年：RStudio IDE 由 RStudio 公司（盈利性公司，与 R 开发团队不是一个组织）发布，提供了一个用户友好的界面来编写和运行 R 代码
2012年：R Markdown（.rmd）格式诞生，核心理念是将代码、结果与叙述文字融为一体
2013年：R 3.0.0 发布，标志着 R 在大数据时代进入成熟阶段
2014年：R 语言数据处理包：dplyr 与 tidyr 发布，极大提升了 R 的数据处理能力
2016年：R 语言数据处理与分析包：tidyverse 发布，集合了包括 ggplot2、dplyr、tidyr 等在内的多个包，形成了一个完整的数据分析生态系统
2017年：CRAN 上的包数量突破 10,000 个
2020年：R 4.0.0 发布；引入了新的字符串处理机制和更严格的类型检查等重要改进
2022年：Quarto 文件 (.qmd) 格式由 Posit 公司（RStudio 公司改名之后的名字）发布，作为 R Markdown 的升级版，支持更多的编程语言和更强的文档生成能力

大家在学校学习 R 语言，基本上有两大情景：统计计量课与数据分析课：

在统计计量课上，R 语言主要被用来进行统计建模和计量分析：
- 常见的任务包括：置信区间估计、假设检验、回归分析等
- 使用的包有：MASS、AER、sandwich 等
在数据分析课上，R 语言主要被用来进行数据清洗、数据可视化和数据分析操作：
- 常见的任务包括：数据清洗、数据转换、数据可视化等
- 使用的包有：tidyverse、dplyr、ggplot2 等

这两种 R 语言的使用情景基本上有 90% 都是不同的：