زبان R چیست؟ از مفاهیم پایه تا کاربردهای صنعتی

1

زبان R یکی از قدرتمندترین ابزارهای متن‌باز در دنیای تحلیل داده است که به کاربران امکان می‌دهد بدون پرداخت هزینه، پیچیده‌ترین محاسبات آماری و گرافیکی را انجام دهند. این زبان که ریشه در نرم‌افزار تجاری S دارد، مسیری آزاد و عمومی را برای پژوهشگران و شرکت‌ها فراهم کرده است. از مدلسازی پیشرفته تا تجسم داده‌های حجیم، همه در بستر R قابل پیاده‌سازی هستند و به لطف توسعه‌دهندگان فعال، هر روز امکانات تازه‌ای به آن افزوده می‌شود. اگر به دنبال ابزاری هستید که هم عمق تحلیلی بالایی داشته باشد و هم با سایر زبان‌های برنامه‌نویسی ارتباط بگیرد، R انتخابی هوشمندانه برای ورود به دنیای علم داده محسوب می‌شود.

زبان R چیست؟

زبان R یک زبان برنامه نویسی و رایگان است که در سال 1993 توسط راس ایهاکا و رابرت جنتلمن ساخته شده است. این زبان ابزارهای زیادی برای کارهای آماری، رسم نمودار، یادگیری ماشینی، رگرسیون خطی، تحلیل سری‌های زمانی و آزمون‌های آماری دارد.

خیلی از برنامه‌ها با خود R نوشته می‌شوند، اما وقتی محاسبات خیلی سنگین باشد، معمولاً از زبان‌های سریع‌تری مثل C، C++ یا فورترن در پشت صحنه استفاده می‌شود. این برنامه به عنوان جایگزینی برای برنامه های آماری قدیمی مانند SAS , SPSS و Stata شناخته می شود و توسعه پذیر، متن باز (open source) و محیط محاسبه‌ای برای سیستم عامل های ویندوز، مکینتاش، یونیکس و لینوکس است.

متن باز بودن به کاربران این اجازه را می دهند تا تحت مجوز عمومی)  (GNU آزادانه به توزیع، تحقیق، تغییر و بهبود آن و انجام پروژه با نرم افزار R بپردازند. این زبان تنها توسط دانشگاهیان مورد استفاده قرار نمی‌گیرد بلکه بسیاری از شرکت‌های بزرگ از قبیل Uber, Google, Airbnb, فیسبوک و غیره نیز از آن استفاده می‌کنند.

آنالیز داده با R طی یک سری قدم‌ها انجام می‌شود که به قرار زیر هستند:

• برنامه‌ریزی: یعنی قبل از شروع، مشخص کنی چه سؤالی داری و چه داده‌ای نیاز داری.
• انتقال: یعنی داده‌هات رو به محیط R بیاوری (مخصوصاً داده‌های علمی).
• اکتشاف: یعنی داده‌ها رو بررسی کنی، فرضیه‌هات رو چک کنی و تحلیل مقدماتی انجام بدی.
• مدل‌سازی: یعنی از ابزارهای مختلف R استفاده کنی تا بهترین مدل آماری یا یادگیری ماشینی رو برای داده‌هات پیدا کنی.
• ارتباط نتایج: یعنی کدها، نمودارها و خروجی‌ها را در قالب یک گزارش قابل فهم جمع‌بندی کنی.

نرم افزار S چیست؟

نرم‌افزار S یک زبان برنامه‌نویسی و محیط محاسباتی برای تحلیل‌های آماری و رسم نمودارهای گرافیکی است که پیش از زبان R طراحی و توسعه یافته بود. این نرم‌افزار سال‌ها در محافل دانشگاهی و پژوهشی به‌عنوان یکی از ابزارهای اصلی برای پیاده‌سازی روش‌های آماری مورد استفاده قرار می‌گرفت و بسیاری از متدهای آماری مدرن ابتدا در بستر S پیاده‌سازی شدند.

اما مهم‌ترین نکته درباره S، ارتباط عمیق آن با زبان R است. در واقع زبان R را می‌توان نسخهٔ متن‌باز و رایگان نرم‌افزار S دانست.

تفاوت های زبان R با نرم افزار S

زبان R از نظر اجرا و پیاده سازی با نرم افزار S دارای تفاوت های مهمی است. اما بهتر است بدانید که بسیاری از کدهای نوشته شده برای نرم افزار S بدون تغییر در زبان R نیز قابل اجرا هستند. در واقع این زبان طیف گسترده ای از تکنیک های آماری از جمله مدل‌سازی خطی و غیر خطی، آزمون های آماری کلاسیک، تجزیه و تحلیل سری های زمانی، طبقه بندی، خوشه بندی و غیره را ارائه می کند.

همچنین بسیاری از تکنیک های گرافیکی در این زبان اجرا می شوند، که از این نظر بسیار توسعه پذیر است. نرم افزار S اغلب یک ابزار انتخابی برای تحقیق در روش شناسی آماری است که زبان R یک مسیر منبع باز را برای این تحقیق ها فراهم می کند.

R برای چه مواردی استفاده می‌شود؟

زبان R در حوزه‌های مختلفی کاربرد دارد که مهم‌ترین آنها عبارتند از:

تحلیل داده (Data Analysis):  R برای پاکسازی، دستکاری و بررسی داده‌ها بسیار قدرتمند است. می‌توانید داده‌های خام را وارد کنید، آنها را مرتب کنید، مقادیر پرت را پیدا کنید و خلاصه‌های آماری از آنها بگیرید.

مدل‌سازی آماری (Statistical Modeling) : از رگرسیون خطی و غیرخطی گرفته تا آزمون‌های فرضیه، تحلیل واریانس (ANOVA)، تحلیل سری‌های زمانی و مدل‌های پیش‌بینی، همه در R پیاده‌سازی شده‌اند.

یادگیری ماشینی (Machine Learning) : با پکیج‌های متعددی که برای R نوشته شده، می‌توان الگوریتم‌هایی مثل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان (SVM)، خوشه‌بندی، کاهش ابعاد و حتی شبکه‌های عصبی عمیق را اجرا کرد.

تجسم داده R : (Data Visualization) با پکیج‌هایی مثل ggplot2 و plotly امکان رسم نمودارهای پیچیده، تعاملی و حرفه‌ای را فراهم می‌کند که برای ارائه گزارش و کشف الگو در داده بسیار مفید است.

علم داده در کسب‌وکار (Business Analytics) : بسیاری از شرکت‌ها از R برای تحلیل بازار، پیش‌بینی فروش، بهینه‌سازی قیمت‌گذاری و تحلیل رفتار مشتری استفاده می‌کنند.

پژوهش و آکادمیک: R یکی از ابزارهای اصلی پژوهشگران در علوم اجتماعی، زیست‌شناسی، اقتصاد، پزشکی و سایر رشته‌هایی است که با داده سروکار دارند.

گزارش‌دهی خودکار (Reporting) : با ابزارهایی مثل R Markdown و Shiny می‌توان گزارش‌های تعاملی، داشبوردهای تحت وب و اسناد قابل تکرار تولید کرد که هم کد، هم تحلیل و هم خروجی را در یک فایل جمع‌آوری می‌کنند.

امکانات و مزایای این زبان

نرم‌افزار R یک محیط کامل برای کار با داده است که امکانات زیر را در اختیار کاربر قرار می‌دهد:

• مدیریت و ذخیره‌سازی داده: به راحتی می‌توانید داده‌های حجیم را وارد، مرتب و ذخیره کنید.
• محاسبات روی آرایه‌ها و ماتریس‌ها: عملگرهای قدرتمندی برای انجام محاسبات ریاضی روی ماتریس‌ها و آرایه‌ها وجود دارد که کار با داده‌های جدولی را آسان می‌کند.
• ابزارهای تحلیل داده: مجموعه بزرگی از توابع آماری و تحلیلی برای مدل‌سازی، آزمون فرضیه‌ها و استخراج الگو از داده‌ها در دسترس است.
• نمودار و تجسم داده: قابلیت رسم نمودارهای متنوع و باکیفیت بالا برای نمایش داده‌ها روی صفحه یا چاپ، که کشف الگوها را بسیار راحت می‌کند.
• زبان برنامه‌نویسی ساده و قدرتمند: زبانی با ساختار خوانا که شامل شرط‌ها، حلقه‌ها، توابع دلخواه و امکان ورودی/خروجی است، بنابراین کاربران حرفه‌ای هم می‌توانند کارهای پیچیده را با آن انجام دهند.
• توسعه‌پذیری: به دلیل متن‌باز بودن، هرکس می‌تواند پکیج جدید بنویسد یا پکیج‌های موجود را بهبود ببخشد.
• رایگان و چندسکویی: روی ویندوز، مک و لینوکس اجرا می‌شود و هیچ هزینه‌ای ندارد.

زبان R با صنعت

این زبان، زبانی برای انجام آمار است و انتخاب اول در صنعت سلامت است که در حوزه دولت و مشاوره قرار میگیرد.

کاربردهای اصلی R، آمار، تجسم و یادگیری ماشینی است. تصویر زیر نشان می دهد که کدام بسته R بیشترین سوالات را در Stack Overflow داشته است. در 10 مورد برتر، بیشتر آنها مربوط به گردش کار یک دانشمند داده است: آماده سازی داده ها و برقراری ارتباط با نتایج.

نکته: تمام برنامه‌های زبان R تقریبا 12k هستند و در CRAN که رایگان و متن باز است ذخیره شده‌اند. می‌توانید برنامه‌های متعددی را برای انجام یادگیری ماشینی یا تجزیه و تحلیل سری‌های زمانی دانلود و استفاده کنید.

چرا باید از R استفاده کنیم؟

ابزارهای زیادی برای انجام تجزیه و تحلیل داده ها در بازار موجود هست. یادگیری زبان جدید بسته به زمانی است که روی آن سرمایه گذاری شده است. اگر بخواهید بهترین دیدگاه را از داده‌ها داشته باشیم، باید زمان مناسبی را برای یادگیری ابزار مناسب صرف کنید که آن ابزار R است.

در نمودار مقایسه، اکسل و پاوربی‌آی خیلی سریع یاد گرفته می‌شوند، اما برای کارهای پیشرفته مثل شبیه‌سازی محدودیت دارند. در میانه راه، پایتون و SAS قرار می‌گیرند. SAS نرم‌افزار قدرتمندی برای تحلیل آماری در کسب‌وکار است، اما رایگان نیست و کار با آن ساده‌تر است. پایتون هم برای یادگیری ماشینی و هوش مصنوعی عالی است، اما در بخش ارائه و گزارش‌دهی به خوبی R عمل نمی‌کند. R تعادل خوبی بین یادگیری و قدرت تحلیل دارد.

زمانی که حرف از تجسم داده می‌آید احتمالا نام Tableau را شنیده باشید. Tableau بدون شک ابزاری عالی برای کشف الگوها از میان گراف‌ها و چارت‌هاست. درضمن یادگیری Tableau زمانبر نیست. یک مشکلی که در رابطه با تجسم داده وجود دارد این است که ممکن است هیچگاه الگویی پیدا نکنید و یا تعداد زیادی چارت بی‌مصرف درست کنید. Tableau ابزار مناسبی برای تجسم داده یا هوش تجاری است. زمانی که پای آمار و ابزار انتخاب به میان می‌آید زبان R مناسب‌تر است.

Stack Overflow اجتماع بزرگی برای زبان‌های برنامه نویسی است. اگر مشکلی در کدزدن دارید و یا نیاز به فهم مدل دارید، Stack Overflow می‌تواند به شما کمک کند. در طی چندسال، درصد سوال-دیدگاه به شکل زیادی برای R در مقایسه با سایر برنامه‌ها افزایش یافته است.  البته این روند به شدت با عصر پر رونق علم داده در ارتباط است اما این نشان دهنده تقاضای زبان R برای علم داده است.

در علوم داده دو ابزار هستند که بایکدیگر محاسبه می‌شوند. R و پایتون احتمالا دو زبان برنامه نویسی هستند که علوم داده را تعریف می‌کنند.

آیا باید آن را انتخاب کنید؟

دانشمندان داده معمولاً بین R و پایتون یکی را انتخاب می‌کنند، چون یادگیری همزمان هر دو زمان‌بر است، به‌خصوص اگر تازه‌کار هستید. مهم‌تر از خود زبان، این است که بدانید چطور داده را پاکسازی، آماده‌سازی و تحلیل کنید. اگر بدون دانستن مبانی آمار، همزمان سراغ R و پایتون بروید، کار منطقی نیست و فقط وقتتان را تلف می‌کند.

مخاطبان اصلی علم داده بیزینس کاران حرفه‌ای هستند. در بیزینس، ارتباط یک مفهوم عمده است. راه‌های زیادی برای ارتباط وجود دارد: گزارش ،برنامه وب، داشبورد. شما به ابزاری نیاز دارید که همه این کارها را با هم انجام دهد.

آیا زبان R سخت است؟

قدیم‌ها یادگیری R سخت و گیج‌کننده بود و ساختار منظمی نداشت. اما بعداً شخصی به نام هدلی ویکام مجموعه‌ای از پکیج‌ها به نام «tidyverse» ساخت که کار با داده‌ها را خیلی ساده و منطقی کرد. همچنین رسم نمودار هم با این ابزارها بسیار آسان‌تر شد.

بهترین الگوریتم‌ها برای یادگیری ماشینی می‌تواند با آن اجرا شود.پکیج‌هایی مانند Keras and TensorFlow امکان ایجاد یادگیری ماشینی پیشرفته را فراهم می‌کنند. R همچنین پکیجی برای اجرای Xgboost دارد که یکی از بهترین الگوریتم‌ها برای  Kaggle competition است.

این زبان می‌تواند با زبان دیگر ارتباط برقرار کند. در R، امکان فراخوانی پایتون، جاوا و سی پلاس پلاس وجود دارد. دنیای بیگ دیتا نیز برای R قابل دسترس است. شما می‌توانید آن را با پایگاه‌ داده های متفاوت مانند اسپارک و هادوپ وصل کنید.

نتیجه گیری

در نهایت، R امروزی دیگر فقط یک زبان آماری ساده نیست؛ بلکه یک پلتفرم کامل و منعطف برای هر نوع پروژه داده‌محور محسوب می‌شود. اگرچه در گذشته به خاطر تک‌هسته‌ای بودن برای محاسبات سنگین کند بود، اما اکنون با پکیج‌های پردازش موازی، این مشکل برطرف شده و می‌توان کارهای حجیم را با سرعت بالا انجام داد. علاوه بر این، R به خوبی با دنیای بیگ‌دیتا ارتباط برقرار کرده و به ابزارهایی مثل اسپارک و هادوپ متصل می‌شود.

همچنین امکان فراخوانی کدهای پایتون، جاوا و سی‌پلاس‌پلاس در R، انعطاف‌پذیری آن را دوچندان کرده است. با همه این پیشرفت‌ها، R همچنان ساده و رایگان باقی مانده و به یکی از محبوب‌ترین انتخاب‌ها برای دانشمندان داده در سراسر جهان تبدیل شده است. بنابراین اگر به دنبال ابزاری جامع، قدرتمند و در عین حال قابل دسترس برای تحلیل داده هستید، R انتخابی هوشمندانه خواهد بود.

سوالات متداول