r-sprache

R

Kurz: Eine Programmiersprache speziell für Statistik und Datenanalyse — in Wissenschaft, Forschung und Bioinformatik weit verbreitet.

Genauer: R wurde von Statistikern für Statistiker entwickelt und bietet dadurch extrem umfangreiche eingebaute Funktionen für Datenanalyse, Visualisierung und statistische Modelle, oft direkter als in Python. In der Praxis konkurriert R vor allem mit Python + Pandas/NumPy für Data-Science-Aufgaben.

Im Detail

Statistik-nativer Sprachentwurf

daten <- read.csv("umfrage.csv")
mittelwert <- mean(daten$alter, na.rm = TRUE)
modell <- lm(einkommen ~ alter + bildungsjahre, data = daten)
summary(modell)
plot(daten$alter, daten$einkommen)

R wurde in den 1990er-Jahren (als freie Neuimplementierung der älteren, kommerziellen Sprache S) speziell für statistische Berechnungen entwickelt, nicht als Allzweck-Programmiersprache — entsprechend fühlen sich viele Kernoperationen (Vektoren, statistische Tests, Modellanpassung wie im Beispiel oben mit lm() für lineare Regression) direkter und kompakter an als in generischen Sprachen wie Python, wo dieselbe Funktionalität erst über Zusatzbibliotheken wie NumPy/SciPy nachgerüstet wird, statt fester Bestandteil der Sprache selbst zu sein.

CRAN als zentrales Paketarchiv

Das riesige CRAN-Paketarchiv (“Comprehensive R Archive Network”) deckt praktisch jedes statistische Verfahren ab, das je in der akademischen Forschung publiziert wurde — häufig veröffentlichen Statistiker ein R-Paket direkt zusammen mit einer neuen wissenschaftlichen Methode, sodass R oft der schnellste Weg ist, an brandneue, noch nicht in andere Sprachen portierte statistische Verfahren zu kommen.

Arbeitsteilung zwischen R und Python

In der Praxis hat sich eine grobe, nicht immer scharf abgegrenzte Arbeitsteilung etabliert: R dominiert weiterhin in akademischer Statistik, Biostatistik/Epidemiologie (z. B. klinische Studien) und dort, wo sehr spezialisierte, aktuelle statistische Methoden gebraucht werden. Python (mit Pandas/NumPy) hat dagegen in der industriellen Softwareentwicklung und beim Deployment von Machine-Learning-Modellen in Produktionssystemen die Oberhand — nicht zuletzt, weil Python als Allzwecksprache sich leichter in größere Softwaresysteme (Web-Backends, APIs) integrieren lässt, während R primär für die eigentliche Analyse konzipiert ist, nicht für den produktiven Einsatz in einer größeren Anwendung.

RStudio als Standard-Entwicklungsumgebung

Die mit Abstand populärste Entwicklungsumgebung für R ist RStudio (heute Teil von Posit), die Code-Editor, interaktive Konsole, Variablen-Übersicht und Plot-Anzeige in einer einzigen Oberfläche kombiniert — für viele Statistiker und Forscher praktisch untrennbar mit R selbst verbunden, ähnlich wie bestimmte IDEs in anderen Sprachen-Ökosystemen eine Quasi-Standardposition einnehmen.

Siehe auch: Data Science, Pandas, NumPy