R — programovací jazyk a prostředí pro statistiku a analýzu dat
R — programovací jazyk a prostředí pro statistiku a analýzu dat. Otevřený zdroj, bohaté statistické balíčky a nástroje pro datovou analýzu a vývoj statistického softwaru.
R je programovací jazyk a svobodné softwarové prostředí pro statistiku a analýzu dat. Je navržen především pro statistické výpočty a vizualizaci dat a stal se standardním nástrojem pro statistiků, analytiky a datové vědy. R je open source (obvykle šířen pod licencí GNU GPL) a nabízí rozsáhlý ekosystém balíčků pro nejrůznější metody analýzy, modelování a reportování.
Krátká historie
Jádro jazyka R vytvořili na začátku 90. let Ross Ihaka a Robert Gentleman na University of Auckland. S rostoucí komunitou přibyly tisíce balíčků distribuovaných přes CRAN (Comprehensive R Archive Network) a další repozitáře, jako je Bioconductor pro bioinformatiku.
Ekosystém a balíčky
- CRAN – centrální repozitář tisíců balíčků pokrývajících statistiku, grafiku, strojové učení, zpracování textu a další.
- tidyverse (např. ggplot2, dplyr, tidyr) – sada balíčků pro konzistentní a čitelnou práci s daty a vizualizaci.
- data.table – rychlé a paměťově efektivní operace nad velkými datovými tabulkami.
- Shiny – framework pro tvorbu interaktivních webových aplikací přímo z R.
- Balíčky pro strojové učení (caret, mlr3, randomForest), časové řady, bayesovské modely, genomiku a další.
Hlavní vlastnosti a výhody
- Široká škála statistických metod a specializovaných algoritmů implementovaných a dostupných v balíčcích.
- Silná grafická podpora – zejména knihovna ggplot2 pro tvorbu kvalitních a přizpůsobitelných vizualizací.
- Podpora reproducibility: R Markdown umožňuje kombinovat kód, výstupy a text do jediného reportu nebo prezentace.
- Velká a aktivní komunita – spousta tutoriálů, knih a fór (Stack Overflow, mailing listy).
Jak R funguje — základní datové struktury
- Vektor (vector) — základní jednorozměrná struktura pro číselné nebo textové hodnoty.
- Matice (matrix) — dvourozměrné pole stejného typu dat.
- Datový rámec (data.frame) — tabulka s různými typy sloupců; základní struktura pro práci s datasetem.
- Seznam (list) — flexibilní kontejner pro různé typy objektů v jednom objektu.
Integrace a nástroje
- RStudio je populární integrované vývojové prostředí (IDE) pro R, které usnadňuje psaní kódu, ladění a tvorbu projektů.
- R se snadno propojuje s databázemi (SQL), s dalšími jazyky (např. Python přes reticulate) a s nástroji pro nasazení (Shiny, Plumber).
- Podpora běhu na více operačních systémech: Linux, macOS, Windows.
Silné a slabé stránky
- Silné: bohaté statistické metody, rozsáhlý výběr balíčků, kvalitní grafika a nástroje pro reproducibilitu.
- Slabé: v některých případech omezená škálovatelnost a spotřeba paměti u velmi velkých datasetů (existují však řešení jako data.table, spojení s databázemi nebo paralelizace).
Příklady použití
- Průzkumná analýza dat (EDA), vizualizace a reporty.
- Statistické modelování, lineární a nelineární regresní analýzy, testování hypotéz.
- Strojové učení: klasifikace, regrese, ensemble metody.
- Bioinformatika, analýza časových řad, finanční analýzy.
- Interaktivní dashboardy a webové aplikace přes Shiny.
Začít s R
Pro začátečníky se doporučuje nainstalovat R a následně RStudio. Učit se základy práce s datovými rámci, manipulace pomocí dplyr a tvorby grafů pomocí ggplot2. Vhodné jsou také tutoriály zaměřené na R Markdown pro vytváření reproducibilních reportů.
R zůstává jedním z hlavních nástrojů pro statistiku a analýzu dat díky své specializaci, otevřené povaze a aktivní komunitě, která průběžně vyvíjí nové metody a balíčky.
Použití v jiných oblastech
Jazyk R byl původně vytvořen pro statistiku. Dnes se však používá v mnoha vědeckých oborech včetně ekologie.
Historie vývoje
Seznam změn ve vydáních R je udržován v různých "news" souborech na CRAN (Comprehensive R Archive Network). Níže jsou uvedeny některé nejdůležitější informace o několika hlavních vydáních.
| Vydání | Datum | Popis |
| 0.16 | Toto je poslední testovací verze. | |
| 0.49 | 1997-04-23 | Jedná se o nejstarší zdrojové vydání, které je v současné době dostupné na síti CRAN. K tomuto datu byl spuštěn CRAN se třemi zrcadly, která zpočátku hostila 12 balíčků. |
| 0.60 | 1997-12-05 | R se stává oficiální součástí projektu GNU. Kód je umístěn a udržován v systému CVS. |
| 0.65.1 | 1999-10-07 | První verze funkcí update.packages a install.packages pro stahování a instalaci balíčků z CRAN. |
| 1.0 | 2000-02-29 | Vývojáři prohlásili, že je dostatečně stabilní pro produkční použití. |
| 1.4 | 2001-12-19 | Jsou představeny metody S4 a brzy poté je k dispozici první verze pro Mac OS X. |
| 1.8 | 2003-10-08 | Zavedení flexibilního mechanismu zpracování podmínek pro signalizaci a zpracování objektů podmínek. |
| 2.0 | 2004-10-04 | Zavedeno rychlé načítání dat s minimálními náklady na systémovou paměť. |
| 2.1 | 2005-04-18 | Podpora kódování UTF-8. Začali také s internacionalizací a lokalizací pro různé jazyky. |
| 2.6.2 | 2008-02-08 | Poslední verze podporující Windows 95, 98, Me a NT 4.0 |
| 2.11 | 2010-04-22 | Podpora 64bitových systémů Windows. |
| 2.12.2 | 2011-02-25 | Poslední verze podporující systém Windows 2000 |
| 2.13 | 2011-04-14 | Přidání nové funkce překladače, která umožňuje zrychlit funkce převodem na bajtový kód. |
| 2.14 | 2011-10-31 | Přidány povinné jmenné prostory pro balíčky. Přidán nový paralelní balíček. |
| 2.15 | 2012-03-30 | Nové funkce vyrovnávání zátěže. Vylepšená rychlost serializace dlouhých vektorů. |
| 3.0.0 | 2013-04-03 | Podpora číselných hodnot indexů 231 a větších na 64bitových systémech. |
| 3.3.3 | 2017-03-06 | Poslední verze podporující Microsoft Windows XP. |
| 3.4.0 | 2017-04-21 | Ve výchozím nastavení je povolena kompilace funkcí a smyček do bajtového kódu v režimu Just-in-time (JIT). |
| 3.5.0 | 2018-04-23 | Balíčky jsou ve výchozím nastavení při instalaci zkompilovány do bajtů. Kompaktní vnitřní reprezentace celočíselných posloupností. Přidán nový serializační formát podporující kompaktní vnitřní reprezentaci. |
| 3.6.0 | 2019-04-26 | |
| 4.0.0 | 2020-04-24 |
Společenství
R má místní komunity po celém světě, kde se uživatelé mohou dělit o nápady a učit se.
Roste počet akcí, které sdružují uživatele R, jako jsou konference (např. useR!, WhyR?, conectaR, SatRdays) a další setkání.
useR! konference
Oficiální každoroční setkání uživatelů R se nazývá "useR!". První takovou akcí bylo useR! 2004 v květnu 2004 ve Vídni v Rakousku. Po vynechání roku 2005 se konference useR! koná každoročně. Mezi následné konference patřily např:
- useR! 2006, Vídeň, Rakousko
- useR! 2007, Ames, Iowa, USA
- useR! 2008, Dortmund, Německo
- useR! 2009, Rennes, Francie
- useR! 2010, Gaithersburg, Maryland, USA
- useR! 2011, Coventry, Velká Británie
- useR! 2012, Nashville, Tennessee, USA
- useR! 2013, Albacete, Španělsko
- useR! 2014, Los Angeles, Kalifornie, USA
- useR! 2015, Aalborg, Dánsko
- useR! 2016, Stanford, Kalifornie, USA
- useR! 2017, Brusel, Belgie
- useR! 2018, Brisbane, Austrálie
- useR! 2019, Toulouse, Francie
V budoucnu se plánují tyto konference:
- useR! 2020, St. Louis, Missouri, USA (zrušeno)
- useR! 2021, Curych, Švýcarsko
The R Journal
R Journal je volně přístupný recenzovaný časopis projektu R. Obsahuje články o používání a vývoji jazyka R.
Základní syntaxe
Následující příklady ilustrují základní syntaxi jazyka a použití rozhraní příkazového řádku.
V jazyce R je obecně preferovaným operátorem přiřazení šipka složená ze dvou znaků <-. I když místo něj lze použít =.
Vyhledávání