زبان برنامه‌نویسی R

مقدمه‌

R یک زبان برنامه نویسی شی گرا برای انجام محاسبات آماری و علم داده‌ها است. اگرچه ابزارهای زیادی مانند SAS، SPSS، Stata، Minitab، Mathematica، Python و ... وجود دارد که می توان برای تجزیه و تحلیل آماری از آن‌ها استفاده کرد؛ اما نرم‌افزار R به دلیل رایگان بودن، سهولت استفاده، پشتیبانی کامل از روش‌های آماری و قابلیت برقراری ارتباط با سایر نرم‌افزارها، اکثراً مورد استقبال برنامه‌نویسان قرار گرفته است و در حال حاضر یکی از مهم‌ترین و اصلی‌ترین ابزارهایی است که توسط محققان، تحلیلگران داده و آماردانان برای تجزیه و تحلیل داده ها استفاده می شود. این نرم‌افزار اکثر زمینه‌های آمار کاربردی مانند تحلیل سری‌های زمانی، رگرسیون خطی و غیرخطی، آزمون فرض‌های کلاسیک، کدگذاری، خوشه‌بندی و … را پوشش داده و همچنین نرم‌افزار قدرتمندی برای ایجاد اشکال گرافیکی و نمودارها است. آخرین اطلاعات از نرم‌افزارR  را می­‌توانید در سایت‌­های زیر مشاهده کنید:

• www.r-project.org

• www.cran.r-project.org

تاریخچه

در سال 1960 یک زبان آماری به نام S توسط John Chambers و همکارانش برای تحلیل داده‌­ها نوشته شد. بعد از گذشت چند سال نسخه­‌ی تجاری S با عنوان S-Plus وارد بازار شد. به دلیل گران‌قیمت بودن این محصول، دو آماردان نیوزلندی با نام­‌های Ross Ihaka  و Robert Gentleman تصمیم گرفتند نسخه­‌ی ارزان­تری از S-Plus بنویسند. آن‌ها به دلیل اینکه نام هر نفرشان با R شروع می‌­شد نام R  را برای نرم‌افزار خود انتخاب کردند. متن اصلی R در سال 1993 نوشته شده است، اما نسخه­‌ی اولیه ی این نرم فزار که نسخه R 1.0.0 است در سال 2000 وارد بازار شد. در حال حاضر یک تیم تخصصی 16 نفره از سراسر دنیا این نرم‌افزار را پشتیبانی می­‌کنند و به طور مداوم، نسخه‌های به روز این نرم‌افزار را به کاربران عرضه می‌کنند. آخرین نسخه­‌ی این نرم‌افزار که R 4.2.1 است هم اکنون در دسترس عموم قرار گرفته است.

در ادامه به برخی از مزایا و معایب این نرم‌افزار اشاره می‌کنیم.

مزایا

• رایگان بودن و منبع باز بودن این نرم‌افزار

• قابلیت نصب آن بر روی انواع سیستم عامل­ها (Linux- MacOs- Windows)

• امکانات گرافیکی منحصر به فرد برای تحلیل داده­­­ها و نمایش آن­ها

• توسعه و ارتقای مداوم این نرم‌افزار به طوری که هر سال به طور متوسط 4 یا 5 نسخه‌­ی جدید آن وارد بازار می­‌شود.

معایب

•  عدم پشتیبانی یک سیستم تجاری قوی از آن

•  سرعت اجرای پایین آن در مقایسه با نرم افزارهایی چون پایتون و متلب

•  محدودیت استفاده از آن برای داده­­های با حجم بالا

در اولین قسمت از این مجموعه آموزشی، در ابتدا یک آشنایی کلی با نرم‌افزار R خواهیم داشت و بعد از آن طریقه نصب نرم‌افزار R را آموزش خواهیم داد. در ادامه نیز با محیط نرم‌افزار و نحوه شروع کدنویسی در آن آشنا خواهیم شد.