为什么R语言是学习数据分析的第一选择

刚开始学习数据科学的人都会面对同一个问题：

不知道该先学习哪种编程语言。

不仅仅是编程语言，像Cognos，SPSS等软件系统也是同样的情况。有越来越多的工具和编程语言，很难知道该选择哪一种。

事实是，你的时间有限。学习一门新的编程语言相当于一项巨大的投资，因此在选择语言时需要有战略性。

很明显，一些语言会给你的投资带来很高的回报(付出的时间和金钱投资)。然而其他语言可能是你每年只用几次的纯粹辅助工具。

我给你的建议就是：先学习R语言

专注于一种语言

在说明为什么你应该学习R语言之前，我想强调的是，在开始学习数据科学时，你应该学习一种语言。

有些人问我是否应该学习在学R语言的同时学习Python。我的答案基本上是否定的，除非你需要使用一种以上的语言，否则你应该选择一种语言进行学习。

专注于一种编程语言的原因是，你需要更多地关注过程和技术，而不是语法。你需要掌握如何通过数据科学工具来分析数据，以及如何解决问题。事实证明，R语言是最佳的选择。

学习R语言

我建议你将R语言作为你的第一个“数据科学编程语言”。虽然也有例外，比如特定的项目需要。

因为R语言正在成为数据科学的“通用语言”

这并不是说R语言是唯一的语言，也不是说它是每个工作的最佳工具。然而，它是使用最广泛的，而且越来越受欢迎。

O' reilly media在过去几年中进行了一系列数据科学调查，分析了数据科学趋势。在2016年的调查报告中，R语言是最常用的编程语言(如果排除SQL的话，在本文中它不能称为编程语言)。57%的调查人群使用R语言(使用Python的比例为54%)。

另一个常见的语言排名系统是Redmonk编程语言排名，它由GitHub(代码行)和Stack Overflow(标签数)的流行指数派生而来。截至2016年11月，R语言在所有编程语言中排名第13。此外，R语言多年来一直呈持续上升趋势:

此外还有TIOBE指数(按搜索引擎搜索次数对编程语言进行排名)。在TIOBE指数上，R语言十年来呈现出稳定上升趋势。

使用R语言的公司

在招聘数据科学家的几家顶级公司中，R语言使用程度非常高。在我认为现代经济中最优秀的两家公司——Google和Facebook 都有使用R语言数据科学家。

除了像Google，Facebook和微软这样的科技巨头，R语言在美国银行，福特，TechCrunch，Uber和Trulia等众多公司都有广泛的应用。

R语言在学术界很受欢迎

R语言不仅仅是一个行业工具。它在学术科学家和研究人员中也非常受欢迎，最近著名《自然》杂志上发表的R语言概况也证实了这一点。

R语言在学术界的备受欢迎，因为它创造了供应行业的人才库。

换句话说，如果最优秀、最聪明的人群在大学学习了R语言，这将加大R语言在行业中的重要性。当学者、博士和研究人员离开学术界从事商业活动时，他们又将产生对R语言人才的需求。

此外，随着数据科学的成熟，商业届的数据科学家将需要与学术届的科学家进行更多的沟通。我们需要借鉴技术和交流观点。随着世界转变为数据流时，学术科学与面向商业的数据科学之间的界线会变得模糊。

通过R语言学习“数据科学的技能”是最简单的

然而，R语言的普及性并不是学习R语言的唯一原因。

在选择语言时，你需要一种在这些领域都具有重要功能的语言。同时你需要执行这些任务的工具，以及在你所选语言中来学习这些技能的资源。

如上所述，你更多地需要关注流程和技术，而不是语法。

你需要学习如何解决问题。

你需要学习如何在数据中找到真知灼见。

为此，你需要掌握数据科学的3个核心技能领域：数据处理，数据可视化和机器学习。在R语言中掌握这些技能将比任何其他语言都容易。

数据处理

一般来说，数据科学中80%的工作都是数据处理。通常情况下，你需要花费大量时间来整理你的数据。R语言中有一些很棒的数据管理工具。

R语言中的dplyr包使数据处理变得容易，这可以大大简化数据处理的工作流程。

数据可视化

ggplot2是最佳的数据可视化工具之一。ggplot2的好处是，在学习语法的同时，还学习如何思考数据可视化。

所有的统计可视化都有很深层的结构。存在构建数据可视化的高度结构化框架，ggplot2基于该框架。

此外，当将ggplot2和dplyr组合在一起时，从数据中得出相关见解几乎毫不费力。

机器学习

最后，还有机器学习。虽然我认为大多数数据科学初学者不应该急于学习机器学习(首先掌握数据探索更为重要)，机器学习是一项重要的技能。当数据探索不再带来洞察力时，你则需要更强大的工具。

之后再学习更多的语言和工具

最终你会想学习更多的编程语言。就像工具箱中没有一个最好的工具一样，没有一种编程语言能够完美的解决你所有的数据问题。

以下是在学习R语言之后，你可以考虑学习的语言：

Python

Python是一种值得考虑的多用途编程语言。在O'Reilly最近的调查中，Python是数据科学家中第二受欢迎的编程语言。它具有优秀的可视化工具，以及机器学习工具。我认为，对于大多数人来说Python是应该学习的第二种语言。

D3

我超爱D3。D3中创建的可视化效果很棒，而且D3可视化的交互性非常适合构建仪表板。但它的伸缩性不够好。对我来说，D3更像是一个“工匠的工具”，它非常适合构建一个优雅的数据可视化，但是在需要几十个合作伙伴支持的情况下，手动创建这样的东西是不可能的。

与此同时，我还乐观地认为，R语言的ggvis将允许R语言用户创建高度动态和交互性的可视化，因此在某种意义上，R语言用户需要学习R的ggvis而不是D3。

总结：学习R语言，并集中精力

如果你是初学者，R语言是很好的选择。同时需要专注于学习数据科学的技能。

在学习过程中，你可能会看到很多新技术和新工具，或者一些令人眼花缭乱的数据可视化。

看到其他人的成果(并发现他们正在使用不同的工具)可能会导致你想尝试其他的东西。相信我：你需要集中注意力。你需要花上几个月(或更长时间)才能真正投入到一个工具中。

如上所述，如果你确实希望在数据科学工作流程中提高技能。至少在数据可视化和数据处理方面，你得具备扎实的技能。

在R语言上花费100个小时，将比在10个不同工具上各花费10个小时得到更高的回报。最后，通过集中精力，你的时间回报率将更高。不要因为“最新，最炫的事物”而分心。