R è uno strumento di programmazione statistica pensato appositamente per gestire i dati, e tanti.
Con R è facile ripulire grandi quantità di informazioni e produrre grafici e visualizzazioni pronti per la pubblicazione. Lo stesso vale per ogni tipo di attività di analisi, mining e modellazione dei dati.
Poiché è stato progettato inizialmente da statistici per scopi statistici, R è particolarmente adatto alla data science, un ambito centrale nel mondo di oggi.
Sebbene la funzione principale di R sia l'analisi statistica e la grafica, il suo utilizzo va oltre e arriva a IA, machine learning, analisi finanziaria e altro ancora.
Costantemente tra i linguaggi di programmazione più popolari al mondo, oltre a essere uno di quelli che garantiscono stipendi elevati, R esiste dai primi anni '90 ed è più vivo che mai.
Ma cos'è R? Continua a leggere per saperne di più sul linguaggio di programmazione R, dalla sua storia a chi lo usa, fino ai possibili percorsi professionali con le competenze in R nel tuo bagaglio.
Che cos'è R?
R è un sistema per il calcolo statistico e la grafica. Questo sistema è composto da due parti: il linguaggio R vero e proprio (quello a cui la maggior parte delle persone si riferisce quando parla di R) e un ambiente di esecuzione.
R è un linguaggio interpretato, il che significa che l'utente accede alle sue funzioni tramite un interprete a riga di comando.
A differenza di linguaggi come Python e Java, R non è un linguaggio di programmazione general-purpose. È invece considerato un linguaggio specifico di dominio (DSL), quindi le sue funzioni e il suo utilizzo sono progettati per un'area o un dominio specifico.
Nel caso di R, si tratta del calcolo e dell'analisi statistica. Per estensione, R è comunemente usato per ogni sorta di attività di data science.
R è dotato di un ampio set di funzioni per la visualizzazione dei dati, così che gli utenti possano analizzarli, modellarli secondo necessità e poi creare grafici. Oltre alle funzioni grafiche integrate nel linguaggio, esistono numerosi componenti aggiuntivi o moduli che lo facilitano.
Quanto è popolare il linguaggio di programmazione R?
R è un linguaggio di programmazione popolare, soprattutto in alcuni ambiti come la data science, la ricerca accademica e la statistica.
Nell'ottobre 2023, R occupava il 17° posto nel TIOBE Index, mentre nell'agosto 2020 era all'8° posto. Aggiornato mensilmente, il TIOBE Index è un buon indicatore della popolarità di un linguaggio di programmazione.
Nell'indice sono elencati 50 linguaggi e oltre 8000 altri linguaggi di programmazione, quindi si può dire con sicurezza che R sia popolare!
Nel maggio 2020, R ha perso brevemente la sua posizione nella top 20 del TIOBE Index, portando molti a ipotizzare che il passaggio del linguaggio dalla ricerca accademica all'uso commerciale fosse stato rapidamente soppiantato da Python. Tuttavia, questo calo di popolarità non è durato a lungo e, come riportato da TechRepublic, a luglio dello stesso anno R era già nella top ten.
R è il linguaggio di riferimento per ingegneri statistici e ricerca statistica. E le università di tutto il mondo usano R per supportare il loro lavoro di ricerca in numerosi campi.
"Il successo di R è un esempio del potere di una comunità sostenuta dall'accademia di portare un linguaggio oltre la soglia attesa." - Stephen O'Grady, analista RedMonk
Molti ritengono che l'ascesa di R nella top ten nel 2020 sia dovuta all'aumento dell'uso del linguaggio nella ricerca sul COVID-19. Quando c'è una grande mole di dati da gestire, R è lo strumento ideale: solo uno dei motivi per cui il linguaggio è ancora popolare oggi, a quasi 30 anni dalla sua nascita.
Quando è stato creato R?
R è stato creato all'inizio degli anni '90 dagli statistici dell'Università di Auckland Ross Ihaka e Robert Gentleman.
Ihaka e Gentleman, all'epoca entrambi professori di statistica presso l'università neozelandese, notarono quella che Ihaka definì una "esigenza comune di un ambiente software migliore" nei loro laboratori di informatica. Questa consapevolezza spinse i due a iniziare a sviluppare R, un'implementazione del precedente linguaggio di programmazione S.
Cosa significa il nome R?
Il linguaggio R deve il suo nome a due motivi: perché R è la prima lettera dei nomi dei suoi inventori e perché è un gioco di parole sul nome del suo linguaggio padre, S, sviluppato originariamente dai Bell Telephone Laboratories.
R, S e Scheme
Per comprendere appieno R, è utile capire S, il principale linguaggio che ne ha guidato lo sviluppo.
Il linguaggio di programmazione S
S è stato sviluppato a metà degli anni '70 da John Chambers e altri ricercatori dei Bell Labs. Il suo scopo era offrire un approccio interattivo al calcolo statistico, facile da usare e in grado di rendere più semplici e veloci i compiti di analisi dei dati.
In un'intervista del 2013, Chambers osserva che il team dei Bell Labs voleva che le persone avessero "accesso ai migliori metodi computazionali esistenti, indipendentemente dalla loro provenienza".
Ha anche affermato che il team desiderava che gli utenti "iniziassero in un ambiente interattivo, in cui non pensassero consapevolmente di star programmando. Poi, man mano che le loro esigenze diventavano più chiare e la loro competenza aumentava, avrebbero dovuto poter passare gradualmente alla programmazione".
La filosofia generale di S era molto simile a quella di R: offrire un ambiente software che faciliti la programmazione computazionale e l'analisi statistica, che chiunque possa imparare a usare.
Come R, anche S può essere usato per scrivere programmi più lunghi incentrati su compiti statistici. A differenza di R, però, S e la sua successiva iterazione, S-PLUS, erano prodotti con licenza, quindi andavano acquistati da un'azienda.
È importante notare che R non è un linguaggio distinto; è piuttosto un dialetto di S.
Sintassi e semantica
I linguisti usano i termini sintassi e semantica per descrivere elementi delle lingue naturali, e gli informatici hanno adottato questi termini anche per i linguaggi di programmazione.
Nella programmazione, la sintassi si riferisce alle regole che dettano "ortografia" e "grammatica" di un linguaggio, mentre la semantica riguarda il modo in cui vengono presentati i dati o i comandi di un linguaggio.
La sintassi di R era molto simile a quella di S nei suoi primi anni. Questo ha reso facile per chi usava S-PLUS passare a R, fattore che ha avuto un ruolo chiave nella popolarità di R nel mondo accademico. La semantica di R, tuttavia, è più vicina a quella di Scheme, un linguaggio di programmazione funzionale.
R è un linguaggio di basso o alto livello?
R è considerato un linguaggio di programmazione di alto livello. Questa classificazione si basa sul suo livello di astrazione dal linguaggio macchina. A differenza dei linguaggi di basso livello che richiedono una conoscenza approfondita della memoria e dei processi del computer, i linguaggi di alto livello come R sono progettati per essere facilmente compresi e scritti dalle persone, risultando più accessibili a statistici, data analyst e ricercatori.
R offre potenza, estensibilità e flessibilità in abbondanza, ma il "costo", rispetto a linguaggi come Python, è un certo livello di complessità.
R non è il linguaggio di programmazione più facile da imparare, ma non è neanche così difficile come molti vogliono far credere. DataCamp insegna come usare R da oltre un decennio e ha perfezionato i suoi metodi.
Il trucco è concentrarsi prima sull'essenziale e poi far crescere competenze e conoscenze man mano che avanzi. Se vuoi provare a programmare in R, dai un'occhiata al nostro corso gratuito Introduzione a R.
Come è evoluto R nel tempo
R è open source per la maggior parte della sua storia, quindi il numero di pacchetti disponibili per il linguaggio è cambiato drasticamente.
Anche il linguaggio in sé ha subito alcune modifiche, passando dalla prima versione alle più recenti, e si sono ampliati anche i campi in cui viene utilizzato. Prima di approfondire, diamo un'occhiata ad alcune tappe fondamentali della storia di R:
Breve storia di R
- 1991 - Ross Ihaka e Robert Gentleman iniziano a lavorare su un nuovo dialetto di S come progetto di ricerca per il Dipartimento di Statistica dell'Università di Auckland.
- 1993 - Il primo annuncio di R arriva al pubblico tramite l'archivio di dati StatLib e la mailing list s-news.
- 1995 - Il collega statistico Martin Mächler convince gli inventori di R a rilasciare il linguaggio sotto licenza generale pubblica GNU, rendendo R sia gratuito che open source.
Ihaka e Gentleman pubblicano il loro articolo seminale che presenta R al mondo.
- 1997 - Si forma il R Core Team, l'unico gruppo con accesso in scrittura al codice sorgente di R, che valuta e implementa le modifiche proposte al linguaggio.
Nello stesso anno nasce il Comprehensive R Archive Network (CRAN). Questo repository di pacchetti software R open source, estensioni del linguaggio stesso, aiuta i professionisti in una miriade di attività.
- 2000 - Viene rilasciata al pubblico la versione 1.0.0 di R.
- 2003 - Nasce la R Foundation per detenere e amministrare il copyright del software R e fornire supporto al progetto del linguaggio R.
- 2004 - Esce R versione 2.0.0.
- 2009 - Viene istituito il R Journal, una rivista ad accesso aperto per il calcolo e la ricerca statistica.
- 2013 - Esce R versione 3.0.0.
- 2020 - Esce R versione 4.0.0.
- Giugno 2023 - La versione attuale è R 4.3.1.
La community di R
La community di R è formata dalle persone in tutto il mondo che usano R, contribuiscono ai pacchetti disponibili nella libreria CRAN o entrambe le cose.
Questa community è nota per essere molto attiva; ci sono molte persone che gestiscono forum su R, ne scrivono sui blog e rispondono alle domande su Stack Overflow e altrove. Oltre alle risorse e al supporto virtuali, ci sono anche numerose grandi conferenze su R che si tengono regolarmente.
Se vuoi fare qualcosa con R e non sai da dove cominciare, è molto probabile che esista un pacchetto pronto ad aiutarti. La vivace community di R ha prodotto migliaia di strumenti che ne estendono le funzionalità.
Secondo CRAN, sono disponibili quasi 20.000 pacchetti R. Alcuni di questi pacchetti sono diventati famosi a loro volta, tra cui il Tidyverse. Puoi scoprire di più sui pacchetti R e su come installarli in una guida a parte.
Il Tidyverse di R
Se hai letto qualcosa su R, è probabile che tu abbia sentito parlare del Tidyverse.
Il Tidyverse non è un singolo pacchetto; è piuttosto un pacchetto di pacchetti R individuali. Tutti questi pacchetti sono pensati per la data science e l'analisi.
Ogni strumento nel pacchetto Tidyverse è progettato per funzionare insieme agli altri e offrire un flusso molto chiaro tra i vari compiti di data science.
Il Tidyverse è un'idea di Hadley Wickham, Chief Scientist di RStudio e coautore di "R for Data Science". Questa collezione di pacchetti R dichiaratamente "opinionata" ha riscosso successo in tutto il mondo, e data scientist ovunque ora fanno affidamento sul Tidyverse per il loro lavoro.
Di fatto, si può dire che chiunque voglia lavorare con R o con i dati in generale oggi debba capire il Tidyverse. Puoi scoprirlo online con il corso Introduzione al Tidyverse di DataCamp e con il percorso di abilità Fondamenti di Tidyverse con R.
L'ascesa della data science
Sarebbe un errore raccontare l'evoluzione di R senza menzionare più nel dettaglio l'ascesa della data science.
Con il passaggio dai sistemi analogici alla digitalizzazione (rendere digitali i sistemi esistenti) alla fine del XX secolo, i dati sono diventati sempre più preziosi. Oggi valgono più dell'oro.
Le aziende di tutti i settori hanno bisogno di capire i propri clienti e i potenziali clienti per restare competitive, e le organizzazioni pubbliche possono fare meglio quando dispongono delle maggiori informazioni possibili.
Tutti questi dati racchiudono tantissimi insight su cui le organizzazioni possono fare leva: serve solo avere gli strumenti giusti.
R è uno di questi strumenti, così come Python, SQL, Power Bi, Tableau e altri. Per comprendere davvero le informazioni nascoste nei dati, servono professionisti come data scientist e analyst.
Con l'aumentare dell'importanza della data science nel mondo moderno, la domanda di persone con le competenze tecniche per leggere e interpretare i dati è cresciuta di pari passo. Oggi, per esempio, la data science è uno dei ruoli IT più pagati, con uno stipendio medio superiore a 120.000 USD secondo Indeed.
Chi usa R?
Tanti professionisti usano R nel loro lavoro, e il linguaggio è impiegato in una varietà di campi. Prima di vederli, rivediamo alcuni possibili lavori per chi ha competenze in R.
Carriere con R
- Data scientist
- Ingegnere statistico
- Data analyst
- Programmatore R
- Data architect
- Amministratore di database
- Geostatistico
- Ricercatore
- Business intelligence
- Analista finanziario
- Machine learning scientist
- Quantitative analyst
- Statistico
- E altro ancora…
Ambiti e settori in cui si usa R
Poiché è potente e capace di ogni tipo di analisi, visualizzazione e modellazione dei dati, R è usato in una vasta gamma di settori. Eccone alcuni:
Accademia
Un po' come l'inglese è la lingua franca del mondo, R è il linguaggio di programmazione dominante in molte istituzioni accademiche. Il suo uso non è limitato alla statistica: molte ricerche necessitano di dati quantitativi, inclusi studi correlazionali, sperimentali e descrittivi, e si svolgono in vari campi.
La digitalizzazione (il processo di adozione dei dati e degli strumenti associati) e l'ascesa dei big data hanno toccato tutti i campi di studio e ricerca, portando a un maggiore uso di R in ambito accademico.
Ad esempio, lo Statistical Package for the Social Sciences (SPSS) di IBM era un tempo la scelta software leader per le scienze sociali. Oggi R è la prima scelta per molti motivi:
- R è 100% gratuito sia per le istituzioni sia per gli studenti
- R è compatibile con tutti i sistemi operativi e con dati provenienti da vari tipi di file
- R consente una ricerca trasparente e riproducibile
- R rende semplice creare visualizzazioni dei dati
Un sondaggio di DataCamp del 2013 su R nell'istruzione ha mostrato che il 71,1% dei rispondenti proveniva da economia o studi aziendali, mentre solo il 10,5% da informatica, a dimostrazione che la alfabetizzazione e le competenze sui dati sono importanti trasversalmente.
Data science
Insieme a Python, R è un linguaggio importante nel mondo della data science. Con l'aiuto di R, i professionisti possono modellare e analizzare dati strutturati e non, e possono anche creare strumenti di machine learning e analisi statistica che li supportino nel lavoro.
R rende facile gestire dati da varie fonti, dall'import all'analisi. Inoltre, il sistema R stesso e la libreria CRAN offrono molte funzioni e strumenti per la visualizzazione dei dati, il che consente ai professionisti di presentare ricerche e risultati in modo incisivo e di facile lettura.
Statistica
In quanto linguaggio di programmazione statistica, è scontato: R è il punto di riferimento per la statistica e il calcolo statistico, dopotutto è stato progettato da statistici per questo scopo.
Un'ampia gamma di pacchetti supporta il lavoro in questo campo, mentre il linguaggio R stesso può essere usato per sviluppare strumenti software che includono funzioni statistiche. Il suo uso può spingersi oltre. In un'intervista, l'informatico Joe Cheng di RStudio osserva che R può essere usato come linguaggio general-purpose per implementare nuovi linguaggi statistici.
Finanza
Grazie alla sua flessibilità e alla sua attitudine a qualsiasi compito di analisi dei dati, non sorprende che R trovi un uso crescente nella finanza. Aziende come ANZ e Bank of America usano il linguaggio per l'analisi e la modellazione del rischio di credito, la reportistica finanziaria, la gestione dei portafogli di investimento e molte altre attività.
Strumenti dedicati come jrvFinance e il bundle Rmetrics consentono a chi lavora in finanza di eseguire calcoli finanziari anche con un'esperienza di programmazione limitata.
DataCamp offre una serie di corsi su R per la finanza, tra cui Fondamenti di finanza in R e Finanza applicata in R.
Social media
Dai primi tempi di Open Dairy e Bolt, i social media hanno esteso la loro portata da pochi utenti esperti di tecnologia a praticamente chiunque possieda uno smartphone. Oggi è difficile trovare qualcuno che non usi alcuna piattaforma social.
I social media sono anche un grande business, un business che commercia principalmente in dati. Aziende come Meta (Facebook e Instagram) e TikTok si affidano alle abitudini degli utenti per offrire pubblicità mirata ad altre aziende.
Ogni singola azione che compi o con cui interagisci sui social genera dati utilizzabili a questo scopo, e strumenti come R sono il modo perfetto per le aziende social di estrarre insight dalle enormi quantità di dati che raccolgono e di gestire gli algoritmi che spingono gli utenti a tornare per contenuti in linea con i loro interessi.
Quali aziende usano R?
Ecco solo alcune delle grandi aziende che usano R nel loro stack tecnologico:
- Bank of America
- Amazon
- JP Morgan
- Accenture
- IBM
- Uber
- Deloitte
- The New York Times
- Ford
- HP
- E molte altre…
Alcuni esempi di codice
R può eseguire codice di base come creare una matrice e manipolarla, come vediamo sotto:
#Let’s create a matrixmatrix_A <- matrix(1:10,nrow = 5, byrow = TRUE)matrix_A
#Now let’s add a column to the matrixmatrix_A1 <- cbind(matrix_A,c(6:10))matrix_A1
Può anche aiutare con analisi e manipolazione dei dati:
#Let's load a built-in dataset data(mtcars)#print first 10 rowshead(mtcars,10)
#Let us try to sort the dataset based on ascending order of horsepowerattach(mtcars)df<- mtcars[order(hp),]head(df,10)
Nozioni di base su R e R avanzato
Chi ha conoscenze di base di R può usare il linguaggio per svolgere semplici attività di ordinamento e analisi dei dati, come assegnare variabili e usare la riga di comando per eseguire calcoli.
Può anche produrre rappresentazioni visive dei dati, come torte o grafici. Potrebbe persino usare R per gestire le proprie finanze personali o quelle di una piccola azienda.
Come prevedibile, chi ha conoscenze avanzate di R può fare tutte queste cose e molto altro.
L'uso di R va oltre la creazione di visualizzazioni e l'analisi dei dati. Essendo un potente strumento di calcolo statistico, R può essere usato per costruire modelli predittivi di machine learning e altri strumenti di data science.
Che tu voglia solo uno strumento per gestire meglio le tue abitudini di spesa o che tu voglia diventare un maestro del codice R, DataCamp può aiutarti. La nostra ampia offerta di corsi e percorsi di carriera su R è adatta a tutti, dal principiante assoluto al programmatore R competente e oltre.
Dai un'occhiata al nostro R Cheat Sheet, che riassume alcune nozioni di base
Meglio scegliere R o Python?
Abbiamo un intero articolo su R vs Python: in realtà, se vuoi dedicarti seriamente alla data science e all'analisi, alla fine dovrai imparare entrambi i linguaggi. Python, linguaggio general-purpose con un ampio ecosistema, è talvolta preferito per la sua versatilità, che lo rende ideale per machine learning, IA e integrazione con altri strumenti. R, invece, è stato progettato specificamente per il calcolo statistico e la grafica, risultando la scelta preferita per analisi statistiche specialistiche e ricerca.
La scelta di quale imparare o usare dipenderà spesso dal progetto su cui stai lavorando e da ciò che vuoi ottenere. Per fortuna, entrambi i linguaggi offrono molte risorse di apprendimento a cui attingere mentre perfezioni le tue competenze.
Che cos'è R? Considerazioni finali
R è un linguaggio di programmazione popolare che consente di gestire con abilità grandi moli di dati, generare visualizzazioni di qualità editoriale ed eseguire una serie di attività di calcolo statistico e analitico.
Usato in ambiti come data science, finanza, accademia e altro ancora, R è potente, flessibile ed estensibile. È anche gratuito e completamente open source, il che significa che sono disponibili molti pacchetti per aiutare gli utenti R in ogni sorta di attività e una community di appassionati di R che offre supporto in tutto il mondo.
Se ti interessa una carriera nei dati, le competenze in R possono darti una marcia in più — e aiutarti a ottenere un lavoro ben retribuito nella data science. DataCamp ospita la più ampia gamma online di corsi su R. Dal livello introduttivo fino al machine learning con R, ci pensiamo noi. Se stai iniziando, il nostro Percorso di abilità in programmazione R è il posto perfetto per metterti al passo. Puoi anche dare un'occhiata al nostro Percorso di carriera Data Analyst con R per dare il via al tuo percorso professionale.
