R is een statistische programmeertool die bij uitstek geschikt is om met data om te gaan, en met heel veel data ook.
Het is met R eenvoudig om enorme hoeveelheden informatie te verwerken en publicatieklare grafieken en visualisaties te maken. Dat geldt ook voor allerlei soorten data-analyse-, mining- en modelleringstaken.
Omdat R oorspronkelijk door statistici is ontworpen voor statistische doeleinden, is het uitzonderlijk geschikt voor data science, een belangrijk vakgebied in de wereld van vandaag.
Hoewel de kernfunctie van R statistische analyse en graphics is, reikt het gebruik verder dan dat, naar AI, machine learning, financiële analyse en meer.
R staat steevast te boek als een van de populairste programmeertalen ter wereld, en bovendien eentje die hoge salarissen oplevert. De taal bestaat al sinds begin jaren 90 en is nog altijd springlevend.
Maar wat is R precies? Lees verder om meer te leren over de programmeertaal R, inclusief de geschiedenis, wie de taal gebruikt en mogelijke carrièrepaden met R-skills op je cv.
Wat is R?
R is een systeem voor statistisch rekenen en graphics. Dit systeem bestaat uit twee delen: de R-taal zelf (waar de meeste mensen aan refereren als ze het over R hebben) en een runtime-omgeving.
R is een geïnterpreteerde taal, wat betekent dat gebruikers toegang krijgen tot de functies via een command-line interpreter.
In tegenstelling tot talen als Python en Java is R geen general-purpose programmeertaal. Het wordt gezien als een domeinspecifieke taal (DSL), wat betekent dat de functies en het gebruik zijn ontworpen voor een specifiek toepassingsgebied of domein.
In het geval van R is dat statistisch rekenen en analyse. In het verlengde daarvan wordt R vaak gebruikt voor allerhande data science-taken.
R beschikt over een uitgebreide set functies voor datavisualisaties, zodat gebruikers data kunnen analyseren, naar wens kunnen modelleren en er vervolgens graphics van kunnen maken. Naast de ingebouwde grafische functies van de taal zijn er tal van add-ons of modules die dit faciliteren.
Hoe populair is de programmeertaal R?
R is een populaire programmeertaal, zeker in bepaalde velden zoals data science, academisch onderzoek en statistiek.
In oktober 2023 stond R op de 17e plaats in de TIOBE-index, en in augustus 2020 op de 8e plaats. De maandelijks bijgewerkte TIOBE-index is een goede indicator voor de populariteit van een programmeertaal.
Er staan 50 talen in de index en er zijn meer dan 8000 andere programmeertalen, dus het is veilig om te zeggen dat R populair is!
In mei 2020 verloor R kort zijn plek in de top 20 van de TIOBE-index, wat velen deed speculeren dat de overstap van de taal van academisch onderzoek naar commercieel gebruik snel was ingehaald door Python. Deze dip in populariteit duurde echter niet lang en zoals TechRepublic meldde, stond R in juli van datzelfde jaar alweer in de top tien.
R is de voorkeurs taal voor statistisch ingenieurs en statistisch onderzoek. En universiteiten wereldwijd gebruiken R ter ondersteuning van hun onderzoekswerk in tal van disciplines.
“Het succes van R is een voorbeeld van de kracht van een door de academische wereld gesteunde community om een taal boven de verwachte drempel uit te tillen.” - Stephen O'Grady, RedMonk-analist
Veel mensen denken dat de sprong van R naar de top tien in 2020 te danken was aan het toegenomen gebruik van de taal in COVID-19-onderzoek. Wanneer er veel data te verwerken is, is R het ideale hulpmiddel—een van de redenen waarom de taal vandaag, bijna 30 jaar na de geboorte, nog steeds populair is.
Wanneer is R ontstaan?
R werd begin jaren 90 ontwikkeld door de statistici Ross Ihaka en Robert Gentleman van de University of Auckland.
Ihaka en Gentleman, destijds beiden hoogleraar statistiek aan de Nieuw-Zeelandse universiteit, zagen wat Ihaka noemde een “algemene behoefte aan een betere software-omgeving” in hun computerlaboratoria. Dit inzicht zette het duo ertoe aan om te beginnen met de ontwikkeling van R, een implementatie van de eerdere programmeertaal S.
Hoewel de hoogleraren begin jaren 90 aan R begonnen te werken, werd versie 1.0.0 pas in februari 2000 officieel uitgebracht.
Wat betekent de naam R?
De taal R kreeg zijn naam om twee redenen: omdat R de eerste letter is van de namen van de uitvinders, en omdat R een woordspeling is op de naam van de moedertaal S, die oorspronkelijk werd ontwikkeld door Bell Telephone Laboratories.
R en S en Scheme
Om R volledig te begrijpen, is het nuttig om S te begrijpen, de belangrijkste taal die de ontwikkeling ervan heeft beïnvloed.
De programmeertaal S
S werd midden jaren 70 ontwikkeld door John Chambers en anderen die voor Bell Labs werkten. Het doel was een interactieve aanpak te bieden voor statistisch rekenen, die gebruiksvriendelijk was en data-analysetaken eenvoudiger en sneller maakte.
In een interview uit 2013 merkt Chambers op dat het team van Bell Labs mensen “toegang wilde geven tot de beste computationele methoden die bestonden, ongeacht waar ze vandaan kwamen.”
Hij heeft ook gezegd dat het team wilde dat gebruikers “begonnen in een interactieve omgeving, waar ze zichzelf niet bewust zagen als programmeurs. En naarmate hun behoeften duidelijker werden en hun vaardigheid toenam, moesten ze geleidelijk in programmeren kunnen schuiven.”
De algemene filosofie van S leek sterk op die van R: een software-omgeving bieden die computationeel programmeren en statistische analyse faciliteert, en die iedereen kan leren gebruiken.
Net als R kan S ook gebruikt worden om langere programma's te schrijven rond statistische taken. In tegenstelling tot R waren S en de latere iteratie S-PLUS echter gelicentieerde producten, wat betekent dat ze van een bedrijf gekocht moesten worden.
Het is belangrijk om te benadrukken dat R geen aparte taal is; het is eerder een dialect van S.
Syntax en semantiek
Taalkundigen gebruiken de termen syntax en semantiek om elementen van natuurlijke talen te beschrijven, en informatici hebben deze termen ook overgenomen voor programmeertalen.
In computerprogrammering verwijst syntax naar de regels die de ‘spelling’ en ‘grammatica’ van een taal bepalen, terwijl semantiek verwijst naar hoe de data of commando's van een taal worden gepresenteerd.
De syntax van R leek in de beginjaren sterk op die van S. Dit maakte het voor mensen die S-PLUS gebruikten eenvoudig om over te stappen op R, wat een sleutelrol speelde in de uiteindelijke populariteit van R in de academische wereld. De semantiek van R ligt echter dichter bij die van Scheme, een functionele programmeertaal.
Is R een low- of high-level taal?
R wordt beschouwd als een high-level programmeertaal. Deze classificatie is gebaseerd op het abstractieniveau ten opzichte van machinetaal. In tegenstelling tot low-level talen die diepgaande kennis van computermemory en -processen vereisen, zijn high-level talen zoals R ontworpen om gemakkelijk door mensen te worden begrepen en geschreven, waardoor ze toegankelijker zijn voor statistici, data-analisten en onderzoekers.
R biedt ontzettend veel kracht, uitbreidbaarheid en flexibiliteit, maar de ‘prijs’ in vergelijking met talen als Python is een zekere mate van complexiteit.
R is niet de makkelijkste programmeertaal om te leren, maar het is ook niet zo moeilijk als velen je willen doen geloven. DataCamp leert mensen al meer dan tien jaar hoe ze R moeten gebruiken en we hebben onze methodes verfijnd.
De truc is om je eerst op de essentials te focussen en vervolgens je R-vaardigheden en -kennis uit te bouwen naarmate je vordert. Wil je R-programmeren eens proberen? Bekijk dan onze gratis cursus Introduction to R.
Hoe R in de loop der jaren is geëvolueerd
R is het grootste deel van zijn bestaan open-source geweest, waardoor het aantal beschikbare packages voor de taal enorm is toegenomen.
De taal zelf heeft ook de nodige veranderingen ondergaan, van de eerste versie tot de meest recente, en de velden waarin R wordt gebruikt zijn eveneens uitgebreid. Voordat we daar dieper op ingaan, eerst enkele mijlpalen in de geschiedenis van R:
Een korte geschiedenis van R
1991 - Ross Ihaka en Robert Gentleman beginnen aan een nieuw dialect van S als onderzoeksproject voor de afdeling Statistiek van de University of Auckland.
1993 - De eerste aankondiging van R bereikt het publiek via het data-archief StatLib en de s-news mailinglijst.
1995 - Mede-statisticus Martin Mächler overtuigt de bedenkers van R om de taal onder een GNU General Public License uit te brengen, waardoor R zowel gratis te gebruiken als open-source wordt.
Ihaka en Gentleman publiceren hun baanbrekende paper waarin ze R aan de wereld introduceren.
1997 - Het R Core Team wordt gevormd; deze groep is de enige met schrijfrechten voor de R-broncode en beoordeelt en voert voorgestelde wijzigingen in de taal door.
In hetzelfde jaar wordt het Comprehensive R Archive Network (CRAN) opgericht. Deze repository met open-source R-softwarepackages, uitbreidingen op de taal zelf, helpt professionals met talloze taken.
2000 - R versie 1.0.0 wordt vrijgegeven aan het publiek.
2003 - De R Foundation wordt opgericht om het auteursrecht op de R-software te beheren en om ondersteuning te bieden voor het R-project.
2004 - R versie 2.0.0 wordt uitgebracht.
2009 - De R Journal, een open-access tijdschrift voor statistisch rekenen en onderzoek, wordt gelanceerd.
2013 - R versie 3.0.0 wordt uitgebracht.
2020 - R versie 4.0.0 wordt uitgebracht.
Juni 2023 - We zitten momenteel op R versie 4.3.1.
De R-community
De R-community bestaat uit mensen over de hele wereld die R gebruiken, bijdragen aan de packages op de CRAN-bibliotheek, of beide.
Deze community staat bekend als zeer actief; er zijn veel mensen die fora over R runnen, erover bloggen en vragen beantwoorden op Stack Overflow en elders. Naast alle virtuele R-bronnen en support zijn er ook een aantal grote R-conferenties die regelmatig plaatsvinden.
Als je iets met R wilt doen en niet weet waar te beginnen, is de kans groot dat er een package bestaat die je helpt. De bruisende R-community heeft duizenden tools geproduceerd die de mogelijkheden van R uitbreiden.
Volgens CRAN zijn er bijna 20.000 R-packages beschikbaar. Sommige van deze packages zijn op zichzelf al toonaangevend geworden, waaronder de Tidyverse. In een aparte gids kun je meer leren over R-packages en hoe je ze installeert.
De R Tidyverse
De kans is groot dat je, als je iets over R hebt gelezen, van de Tidyverse hebt gehoord.
De Tidyverse is niet één package; het is een pakket van individuele R-packages. Deze packages zijn allemaal ontworpen voor data science en analytics.
Elk hulpmiddel in het totale Tidyverse-pakket is ontworpen om samen te werken met de andere en een heel duidelijke flow te bieden tussen data science-taken.
De Tidyverse is het geesteskind van Hadley Wickham, Chief Scientist bij RStudio en co-auteur van ‘R for Data Science.’ Deze zelfverklaarde “opinionated collection of R packages” is wereldwijd populair gebleken, en data scientists over de hele wereld vertrouwen nu op de Tidyverse voor hun werk.
Eigenlijk kun je gerust stellen dat iedereen die met R of met data in het algemeen wil werken tegenwoordig de Tidyverse moet begrijpen. Je kunt ermee aan de slag in DataCamps online Introduction to the Tidyverse en de skill track Tidyverse Fundamentals with R.
De opkomst van data science
Het zou onvolledig zijn om de evolutie van R te schetsen zonder de opkomst van data science nader te benoemen.
Naarmate de wereld in de late 20e eeuw verschoof van analoge systemen naar digitalisering (het digitaliseren van bestaande systemen), werd data steeds waardevoller. Vandaag is het meer waard dan goud.
Bedrijven in alle sectoren en industrieën moeten hun klanten en potentiële klanten begrijpen om concurrerend te blijven, en publieke organisaties kunnen hun werk beter doen als ze over zoveel mogelijk informatie beschikken.
Al deze data bevat talloze inzichten waar organisaties hun voordeel mee kunnen doen; ze hebben alleen de juiste tools nodig.
R is een van die tools, net als Python, SQL, Power Bi, Tableau en andere. Om de informatie die in data verborgen zit goed te begrijpen, hebben we professionals nodig zoals data scientists en analisten.
Naarmate data science belangrijker werd in de moderne wereld, nam de vraag naar mensen met de technische skills om data te lezen en te interpreteren navenant toe. Tegenwoordig is data science bijvoorbeeld een van de bestbetaalde IT-rollen, met een gemiddeld salaris van meer dan 120.000 US-dollar, volgens Indeed.
Wie gebruikt R?
Veel professionals gebruiken R in hun werk en de taal wordt gebruikt in uiteenlopende velden. Voordat we daar naar kijken, eerst enkele mogelijke carrières met R-skills.
Omdat R krachtig is en geschikt voor allerlei data-analyse-, visualisatie- en modelleringstaken, wordt het gebruikt in een breed scala aan industrieën en sectoren. Een paar voorbeelden:
Academia
Net zoals Engels de lingua franca van de wereld is, is R de dominante programmeertaal in veel academische instellingen. Het gebruik is niet beperkt tot statistiek; veel soorten onderzoek hebben kwantitatieve data nodig, waaronder correlationeel, experimenteel en descriptief onderzoek, en dat komt in allerlei velden voor.
Digitalisering (het omarmen van data en bijbehorende tools) en de opkomst van big data hebben alle studie- en onderzoeksgebieden geraakt, wat heeft geleid tot meer gebruik van R in academische omgevingen.
Zo was het Statistical Package for the Social Sciences (SPSS) van IBM ooit de toonaangevende softwarekeuze voor de sociale wetenschappen. Nu is R voor velen de eerste keuze, om meerdere redenen:
R is 100% gratis voor zowel instellingen als studenten
R is compatibel met alle besturingssystemen en data uit verschillende bestandstypen
R maakt transparant en reproduceerbaar onderzoek mogelijk
Met R is het eenvoudig om datavisualisaties te maken
Een DataCamp-enquête uit 2013 over R in het onderwijs liet zien dat 71,1% van de respondenten economie of bedrijfskunde studeerde, terwijl slechts 10,5% informatica deed. Dat toont aan dat datageletterdheid en -skills overal belangrijk zijn.
Data science
Samen met Python is R een belangrijke taal in de wereld van data science. Met behulp van R kunnen professionals zowel gestructureerde als ongestructureerde data modelleren en analyseren; ook kunnen ze met R machine learning- en statistische analysetools maken die hen bij hun werk ondersteunen.
R maakt het eenvoudig om met data uit verschillende bronnen om te gaan, van import tot analyse. Bovendien bieden het R-systeem zelf en de CRAN-bibliotheek veel functies en tools voor datavisualisatie, waardoor professionals hun onderzoek en bevindingen eenvoudig in een impactvolle en overzichtelijke vorm kunnen presenteren.
Statistiek
Het spreekt voor zich, aangezien het een statistische programmeertaal is, maar R is dé taal voor statistiek en statistisch rekenen—het is immers door statistici voor dit doel ontworpen.
Een breed scala aan packages ondersteunt werk in dit domein, terwijl de R-taal zelf kan worden gebruikt om softwaretools te ontwikkelen met statistische functies. Het gebruik kan zelfs verder gaan. In een interview merkt RStudio-computerwetenschapper Joe Cheng op dat R als general-purpose taal kan worden gebruikt om nieuwe statistische talen te implementeren.
Financiën
Met zijn flexibiliteit en geschiktheid voor elke data-analysetaak is het geen verrassing dat R steeds vaker wordt gebruikt in finance. Bedrijven als ANZ en Bank of America gebruiken de taal voor kredietrisicoanalyse en -modellering, financiële rapportage, het beheer van beleggingsportefeuilles en talloze andere taken.
Specifieke tools zoals jrvFinance en het bundelpakket Rmetrics stellen mensen in finance in staat om financiële berekeningen uit te voeren, zelfs met beperkte programmeerervaring.
Sinds de vroege dagen van Open Diary en Bolt is social media uitgegroeid van een handvol tech-savvy gebruikers tot praktisch iedereen met een smartphone. Tegenwoordig is het lastig iemand te vinden die geen enkel socialmediaplatform gebruikt.
Social media is ook big business, een business die primair drijft op data. Bedrijven zoals Meta (Facebook en Instagram) en TikTok vertrouwen op het gedrag van gebruikers om gerichte advertenties aan andere bedrijven aan te bieden.
Alles wat je doet of waarmee je interageert op social media genereert data die voor dit doel kan worden gebruikt, en tools zoals R zijn de perfecte manier voor socialmediabedrijven om inzichten te halen uit de enorme hoeveelheden data die ze verzamelen en om de algoritmen te beheren die gebruikers blijven terugbrengen voor content die bij hun interesses past.
Welke bedrijven gebruiken R?
Een greep uit de grote namen die R in hun techstack gebruiken:
Bank of America
Amazon
Facebook
JP Morgan
Google
Accenture
LinkedIn
IBM
Uber
Deloitte
The New York Times
Ford
HP
En nog veel meer…
Een paar codevoorbeelden
R kan basiscode uitvoeren zoals het maken van een matrix en de manipulatie daarvan, zoals hieronder te zien is:
#Let’s create a matrixmatrix_A <- matrix(1:10,nrow = 5, byrow = TRUE)matrix_AMogelijk gemaakt door
#Now let’s add a column to the matrixmatrix_A1 <- cbind(matrix_A,c(6:10))matrix_A1Mogelijk gemaakt door
Het kan ook helpen bij data-analyse en -manipulatie:
#Let's load a built-in dataset data(mtcars)#print first 10 rowshead(mtcars,10)Mogelijk gemaakt door
#Let us try to sort the dataset based on ascending order of horsepowerattach(mtcars)df<- mtcars[order(hp),]head(df,10)Mogelijk gemaakt door
R-basics en Advanced R
Mensen met basiskennis van R kunnen de programmeertaal gebruiken voor eenvoudige taken op het gebied van sorteren en analyseren van data, zoals variabelen toewijzen en via de command line berekeningen uitvoeren.
Ze kunnen ook visuele weergaven van data produceren, zoals taartdiagrammen of grafieken. Sommigen gebruiken R misschien zelfs om hun eigen persoonlijke financiën of die van een klein bedrijf te beheren.
Zoals verwacht kunnen mensen met geavanceerde R-kennis al deze dingen en nog veel meer.
Het gebruik van R reikt verder dan het maken van visualisaties en data-analyse. Omdat het een krachtig statistisch rekenhulpmiddel is, kan R worden gebruikt om voorspellende machine learning-modellen en andere data science-tools te bouwen.
Hoewel het primair een functionele en domeinspecifieke taal is, kan R zelfs voor sommige objectgeoriënteerde programmeertaken worden gebruikt. Experts kunnen R ook inzetten voor metaprogrammeren: het maken van programma's die vervolgens andere programma's kunnen schrijven of manipuleren.
Of je nu gewoon een tool wilt om je eigen uitgaven beter te beheren of je een meester in R-code wilt worden, DataCamp kan helpen. Onze brede reeks R-cursussen en carrièretracks is geschikt voor iedereen, van absolute R-beginner tot vaardige R-programmeur en verder.
Bekijk onze R Cheat Sheet, met een overzicht van de basis
Moet ik kiezen voor R of Python?
We hebben een heel artikel over R vs Python - in de praktijk, als je serieus met data science en analytics aan de slag wilt, zul je uiteindelijk beide talen moeten leren. Python, een general-purpose taal met een breed ecosysteem, heeft soms de voorkeur vanwege de veelzijdigheid, waardoor het ideaal is voor machine learning, AI en integratie met andere tools. R daarentegen is specifiek ontworpen voor statistisch rekenen en graphics, waardoor het een voorkeurskeuze is voor gespecialiseerde statistische analyses en onderzoek.
De keuze welke je leert of gebruikt hangt vaak af van het project waar je aan werkt en wat je wilt bereiken. Gelukkig hebben beide talen veel leermiddelen waar je op kunt terugvallen terwijl je je skills aanscherpt.
Wat is R? Tot slot
R is een populaire programmeertaal waarmee je grote hoeveelheden data vakkundig kunt verwerken, visualisaties van publicatiekwaliteit kunt genereren en een reeks statistische en analytische rekenwerktaken kunt uitvoeren.
Gebruikt in velden zoals data science, finance, academia en meer, is R krachtig, flexibel en uitbreidbaar. Het is ook gratis en volledig open-source, wat betekent dat er veel packages beschikbaar zijn om R-gebruikers te helpen met allerhande taken en dat er een ondersteunende community van R-liefhebbers wereldwijd is.
Als je geïnteresseerd bent in een carrière in data, kunnen R-skills je helpen om vooruit te komen—en een goedbetaalde baan in data science te bemachtigen. DataCamp is de thuisbasis van het meest uitgebreide aanbod aan R-cursussen op het internet. Van instapniveau tot en met machine learning met R: we hebben wat je nodig hebt. Als je net begint is onze R Programming Skill Track de perfecte plek om snel op snelheid te komen. Je kunt ook onze Data Analyst With R Career Track bekijken om je carrière een vliegende start te geven.
R FAQs
Wat voor type programmeertaal is R?
⌄
R is een domeinspecifieke, statistische programmeertaal. Het is ontworpen voor statistische analyse en grafische visualisaties.
Breder gezien is R niet alleen een taal; het is een systeem dat bestaat uit de R-taal zelf en een runtime-omgeving waarin gebruikers taken uitvoeren via de command line.
Is R makkelijk te leren?
⌄
Ja en nee. R is niet de makkelijkste programmeertaal om te leren of vloeiend in te worden. Als low-level taal is het bijvoorbeeld minder intuïtief dan Python.
Dat gezegd hebbende: R is niet zo moeilijk als veel mensen denken en de basis is goed te beheersen. Van daaruit kun je je R-skills verder uitbouwen.
Hoewel het lastiger is dan sommige andere talen, kunnen de beloningen groter zijn. Omdat minder mensen R kennen dan bijvoorbeeld Python, kunnen R-programmeurs en data scientists mogelijk een hoger salaris vragen.
Hoe kwam R aan zijn naam?
⌄
De ontwikkelaars van R, de statistici Ross Ihaka en Robert Gentlemen, noemden hun taal naar de eerste letter van hun namen. Het duo zei ook dat ze de naam kozen als woordspeling op de moedertaal van R, S.
Is R beter dan Python?
⌄
Geen van beide talen is ‘beter’ dan de andere en elke taal heeft sterke en zwakke punten en domeinen waarin die geschikter is.
Als je bijvoorbeeld digitale producten zoals mobiele apps wilt bouwen, moet je werken in een general-purpose programmeertaal zoals Python. Als je statistisch onderzoek wilt doen in een academische omgeving of aan data mining wilt doen, is R de betere keuze.
Voor data science zijn beide talen geschikt.
Is R nog steeds populair?
⌄
Ja. R staat consequent in de top 20 van populairste programmeertalen in de TIOBE-index. Meestal ergens tussen de 10e en 15e plaats. R is een belangrijke taal in verschillende velden, waaronder financiële analyse, data science en academisch onderzoek.
In 2022 voorspelden experts dat R zijn positie in deze velden waarschijnlijk zal blijven behouden, dus R leren is een waardevolle investering.
Hoe wordt R gebruikt voor data-analyse?
⌄
Om data te verwerken, manipuleren, modelleren en visualiseren. R is een populaire taal voor data science en data-analyse. Het stelt gebruikers in staat om een breed scala aan data-analyse- en statistische rekentaken uit te voeren.
Kun je R in één dag leren?
⌄
Waarschijnlijk niet. Tenzij je een fotografisch geheugen hebt, kost het een paar weken om de basis van R te beheersen. De beste manier om R snel te leren is via een cursus die is ontworpen voor een specifiek veld, zodat je je kunt concentreren op wat je moet weten zonder door overbodige informatie te hoeven ploeteren.
De skill- en carrièretracks van DataCamp met R geven je de R-skills die je in de echte wereld nodig hebt, zonder dat je er jaren voor achter je computer hoeft te zitten. Onze Data Scientist with R-carrièretrack duurt bijvoorbeeld in totaal ongeveer 88 uur.
Wat is het verschil tussen R en Microsoft R?
⌄
R is een programmeertaal en een software-omgeving voor statistisch rekenen en graphics. Microsoft R Open is een versie van R die is gemaakt door Microsoft Corporation.
Zowel R als Microsoft R Open zijn gratis en open-source tools voor data science en analytics.
Is SQL makkelijker dan R?
⌄
Ja. SQL is ontworpen voor een zeer beperkte toepassing: gebruikers laten communiceren met relationele databases. R daarentegen heeft een breder toepassingsgebied, ook al wordt het overwegend gebruikt voor statistische analyse en grafische weergaven van data.
Bovendien is R een low-level taal, terwijl SQL een high-level taal is. Dit verwijst naar zaken als hoeveel geheugen een taal gebruikt en hoe gemakkelijk een taal voor mensen te begrijpen is.
De syntax in R is niet zo vereenvoudigd als in SQL, maar als je een carrière in data science wilt nastreven, zijn beide talen geweldige tools om in je arsenaal te hebben. Of leer SQL en óf R óf Python.
Hoe lang duurt het om R te leren?⌄
Het hangt ervan af. Als je al programmeerervaring hebt, kun je de basis van R binnen een week leren. Als je nieuw bent in data science en programmeren in het algemeen, reken dan op een paar weken deeltijdstudie om de fundamenten van R te leren.
DataCamps Introduction to R-cursus leert je de basis van data-analyse in R en duurt slechts vier uur. Daarna kun je doorstromen naar onze Intermediate R-cursus, die ongeveer zes uur duurt.
R is een statistische programmeertool die bij uitstek geschikt is om met data om te gaan, en met heel veel data ook.
Het is met R eenvoudig om enorme hoeveelheden informatie te verwerken en publicatieklare grafieken en visualisaties te maken. Dat geldt ook voor allerlei soorten data-analyse-, mining- en modelleringstaken.
Omdat R oorspronkelijk door statistici is ontworpen voor statistische doeleinden, is het uitzonderlijk geschikt voor data science, een belangrijk vakgebied in de wereld van vandaag.
Hoewel de kernfunctie van R statistische analyse en graphics is, reikt het gebruik verder dan dat, naar AI, machine learning, financiële analyse en meer.
R staat steevast te boek als een van de populairste programmeertalen ter wereld, en bovendien eentje die hoge salarissen oplevert. De taal bestaat al sinds begin jaren 90 en is nog altijd springlevend.
Maar wat is R precies? Lees verder om meer te leren over de programmeertaal R, inclusief de geschiedenis, wie de taal gebruikt en mogelijke carrièrepaden met R-skills op je cv.
Wat is R?
R is een systeem voor statistisch rekenen en graphics. Dit systeem bestaat uit twee delen: de R-taal zelf (waar de meeste mensen aan refereren als ze het over R hebben) en een runtime-omgeving.
R is een geïnterpreteerde taal, wat betekent dat gebruikers toegang krijgen tot de functies via een command-line interpreter.
In tegenstelling tot talen als Python en Java is R geen general-purpose programmeertaal. Het wordt gezien als een domeinspecifieke taal (DSL), wat betekent dat de functies en het gebruik zijn ontworpen voor een specifiek toepassingsgebied of domein.
In het geval van R is dat statistisch rekenen en analyse. In het verlengde daarvan wordt R vaak gebruikt voor allerhande data science-taken.
R beschikt over een uitgebreide set functies voor datavisualisaties, zodat gebruikers data kunnen analyseren, naar wens kunnen modelleren en er vervolgens graphics van kunnen maken. Naast de ingebouwde grafische functies van de taal zijn er tal van add-ons of modules die dit faciliteren.
Hoe populair is de programmeertaal R?
R is een populaire programmeertaal, zeker in bepaalde velden zoals data science, academisch onderzoek en statistiek.
In oktober 2023 stond R op de 17e plaats in de TIOBE-index, en in augustus 2020 op de 8e plaats. De maandelijks bijgewerkte TIOBE-index is een goede indicator voor de populariteit van een programmeertaal.
Er staan 50 talen in de index en er zijn meer dan 8000 andere programmeertalen, dus het is veilig om te zeggen dat R populair is!
In mei 2020 verloor R kort zijn plek in de top 20 van de TIOBE-index, wat velen deed speculeren dat de overstap van de taal van academisch onderzoek naar commercieel gebruik snel was ingehaald door Python. Deze dip in populariteit duurde echter niet lang en zoals TechRepublic meldde, stond R in juli van datzelfde jaar alweer in de top tien.
R is de voorkeurs taal voor statistisch ingenieurs en statistisch onderzoek. En universiteiten wereldwijd gebruiken R ter ondersteuning van hun onderzoekswerk in tal van disciplines.
“Het succes van R is een voorbeeld van de kracht van een door de academische wereld gesteunde community om een taal boven de verwachte drempel uit te tillen.” - Stephen O'Grady, RedMonk-analist
Veel mensen denken dat de sprong van R naar de top tien in 2020 te danken was aan het toegenomen gebruik van de taal in COVID-19-onderzoek. Wanneer er veel data te verwerken is, is R het ideale hulpmiddel—een van de redenen waarom de taal vandaag, bijna 30 jaar na de geboorte, nog steeds populair is.
Wanneer is R ontstaan?
R werd begin jaren 90 ontwikkeld door de statistici Ross Ihaka en Robert Gentleman van de University of Auckland.
Ihaka en Gentleman, destijds beiden hoogleraar statistiek aan de Nieuw-Zeelandse universiteit, zagen wat Ihaka noemde een “algemene behoefte aan een betere software-omgeving” in hun computerlaboratoria. Dit inzicht zette het duo ertoe aan om te beginnen met de ontwikkeling van R, een implementatie van de eerdere programmeertaal S.
Hoewel de hoogleraren begin jaren 90 aan R begonnen te werken, werd versie 1.0.0 pas in februari 2000 officieel uitgebracht.
Wat betekent de naam R?
De taal R kreeg zijn naam om twee redenen: omdat R de eerste letter is van de namen van de uitvinders, en omdat R een woordspeling is op de naam van de moedertaal S, die oorspronkelijk werd ontwikkeld door Bell Telephone Laboratories.
R en S en Scheme
Om R volledig te begrijpen, is het nuttig om S te begrijpen, de belangrijkste taal die de ontwikkeling ervan heeft beïnvloed.
De programmeertaal S
S werd midden jaren 70 ontwikkeld door John Chambers en anderen die voor Bell Labs werkten. Het doel was een interactieve aanpak te bieden voor statistisch rekenen, die gebruiksvriendelijk was en data-analysetaken eenvoudiger en sneller maakte.
In een interview uit 2013 merkt Chambers op dat het team van Bell Labs mensen “toegang wilde geven tot de beste computationele methoden die bestonden, ongeacht waar ze vandaan kwamen.”
Hij heeft ook gezegd dat het team wilde dat gebruikers “begonnen in een interactieve omgeving, waar ze zichzelf niet bewust zagen als programmeurs. En naarmate hun behoeften duidelijker werden en hun vaardigheid toenam, moesten ze geleidelijk in programmeren kunnen schuiven.”
De algemene filosofie van S leek sterk op die van R: een software-omgeving bieden die computationeel programmeren en statistische analyse faciliteert, en die iedereen kan leren gebruiken.
Net als R kan S ook gebruikt worden om langere programma's te schrijven rond statistische taken. In tegenstelling tot R waren S en de latere iteratie S-PLUS echter gelicentieerde producten, wat betekent dat ze van een bedrijf gekocht moesten worden.
Het is belangrijk om te benadrukken dat R geen aparte taal is; het is eerder een dialect van S.
Syntax en semantiek
Taalkundigen gebruiken de termen syntax en semantiek om elementen van natuurlijke talen te beschrijven, en informatici hebben deze termen ook overgenomen voor programmeertalen.
In computerprogrammering verwijst syntax naar de regels die de ‘spelling’ en ‘grammatica’ van een taal bepalen, terwijl semantiek verwijst naar hoe de data of commando's van een taal worden gepresenteerd.
De syntax van R leek in de beginjaren sterk op die van S. Dit maakte het voor mensen die S-PLUS gebruikten eenvoudig om over te stappen op R, wat een sleutelrol speelde in de uiteindelijke populariteit van R in de academische wereld. De semantiek van R ligt echter dichter bij die van Scheme, een functionele programmeertaal.
Is R een low- of high-level taal?
R wordt beschouwd als een high-level programmeertaal. Deze classificatie is gebaseerd op het abstractieniveau ten opzichte van machinetaal. In tegenstelling tot low-level talen die diepgaande kennis van computermemory en -processen vereisen, zijn high-level talen zoals R ontworpen om gemakkelijk door mensen te worden begrepen en geschreven, waardoor ze toegankelijker zijn voor statistici, data-analisten en onderzoekers.
R biedt ontzettend veel kracht, uitbreidbaarheid en flexibiliteit, maar de ‘prijs’ in vergelijking met talen als Python is een zekere mate van complexiteit.
R is niet de makkelijkste programmeertaal om te leren, maar het is ook niet zo moeilijk als velen je willen doen geloven. DataCamp leert mensen al meer dan tien jaar hoe ze R moeten gebruiken en we hebben onze methodes verfijnd.
De truc is om je eerst op de essentials te focussen en vervolgens je R-vaardigheden en -kennis uit te bouwen naarmate je vordert. Wil je R-programmeren eens proberen? Bekijk dan onze gratis cursus Introduction to R.
Hoe R in de loop der jaren is geëvolueerd
R is het grootste deel van zijn bestaan open-source geweest, waardoor het aantal beschikbare packages voor de taal enorm is toegenomen.
De taal zelf heeft ook de nodige veranderingen ondergaan, van de eerste versie tot de meest recente, en de velden waarin R wordt gebruikt zijn eveneens uitgebreid. Voordat we daar dieper op ingaan, eerst enkele mijlpalen in de geschiedenis van R:
Een korte geschiedenis van R
Ihaka en Gentleman publiceren hun baanbrekende paper waarin ze R aan de wereld introduceren.
In hetzelfde jaar wordt het Comprehensive R Archive Network (CRAN) opgericht. Deze repository met open-source R-softwarepackages, uitbreidingen op de taal zelf, helpt professionals met talloze taken.
De R-community
De R-community bestaat uit mensen over de hele wereld die R gebruiken, bijdragen aan de packages op de CRAN-bibliotheek, of beide.
Deze community staat bekend als zeer actief; er zijn veel mensen die fora over R runnen, erover bloggen en vragen beantwoorden op Stack Overflow en elders. Naast alle virtuele R-bronnen en support zijn er ook een aantal grote R-conferenties die regelmatig plaatsvinden.
Als je iets met R wilt doen en niet weet waar te beginnen, is de kans groot dat er een package bestaat die je helpt. De bruisende R-community heeft duizenden tools geproduceerd die de mogelijkheden van R uitbreiden.
Volgens CRAN zijn er bijna 20.000 R-packages beschikbaar. Sommige van deze packages zijn op zichzelf al toonaangevend geworden, waaronder de Tidyverse. In een aparte gids kun je meer leren over R-packages en hoe je ze installeert.
De R Tidyverse
De kans is groot dat je, als je iets over R hebt gelezen, van de Tidyverse hebt gehoord.
De Tidyverse is niet één package; het is een pakket van individuele R-packages. Deze packages zijn allemaal ontworpen voor data science en analytics.
Elk hulpmiddel in het totale Tidyverse-pakket is ontworpen om samen te werken met de andere en een heel duidelijke flow te bieden tussen data science-taken.
De Tidyverse is het geesteskind van Hadley Wickham, Chief Scientist bij RStudio en co-auteur van ‘R for Data Science.’ Deze zelfverklaarde “opinionated collection of R packages” is wereldwijd populair gebleken, en data scientists over de hele wereld vertrouwen nu op de Tidyverse voor hun werk.
Eigenlijk kun je gerust stellen dat iedereen die met R of met data in het algemeen wil werken tegenwoordig de Tidyverse moet begrijpen. Je kunt ermee aan de slag in DataCamps online Introduction to the Tidyverse en de skill track Tidyverse Fundamentals with R.
De opkomst van data science
Het zou onvolledig zijn om de evolutie van R te schetsen zonder de opkomst van data science nader te benoemen.
Naarmate de wereld in de late 20e eeuw verschoof van analoge systemen naar digitalisering (het digitaliseren van bestaande systemen), werd data steeds waardevoller. Vandaag is het meer waard dan goud.
Bedrijven in alle sectoren en industrieën moeten hun klanten en potentiële klanten begrijpen om concurrerend te blijven, en publieke organisaties kunnen hun werk beter doen als ze over zoveel mogelijk informatie beschikken.
Al deze data bevat talloze inzichten waar organisaties hun voordeel mee kunnen doen; ze hebben alleen de juiste tools nodig.
R is een van die tools, net als Python, SQL, Power Bi, Tableau en andere. Om de informatie die in data verborgen zit goed te begrijpen, hebben we professionals nodig zoals data scientists en analisten.
Naarmate data science belangrijker werd in de moderne wereld, nam de vraag naar mensen met de technische skills om data te lezen en te interpreteren navenant toe. Tegenwoordig is data science bijvoorbeeld een van de bestbetaalde IT-rollen, met een gemiddeld salaris van meer dan 120.000 US-dollar, volgens Indeed.
Wie gebruikt R?
Veel professionals gebruiken R in hun werk en de taal wordt gebruikt in uiteenlopende velden. Voordat we daar naar kijken, eerst enkele mogelijke carrières met R-skills.
Carrières met R
Velden en sectoren waar R wordt gebruikt
Omdat R krachtig is en geschikt voor allerlei data-analyse-, visualisatie- en modelleringstaken, wordt het gebruikt in een breed scala aan industrieën en sectoren. Een paar voorbeelden:
Academia
Net zoals Engels de lingua franca van de wereld is, is R de dominante programmeertaal in veel academische instellingen. Het gebruik is niet beperkt tot statistiek; veel soorten onderzoek hebben kwantitatieve data nodig, waaronder correlationeel, experimenteel en descriptief onderzoek, en dat komt in allerlei velden voor.
Digitalisering (het omarmen van data en bijbehorende tools) en de opkomst van big data hebben alle studie- en onderzoeksgebieden geraakt, wat heeft geleid tot meer gebruik van R in academische omgevingen.
Zo was het Statistical Package for the Social Sciences (SPSS) van IBM ooit de toonaangevende softwarekeuze voor de sociale wetenschappen. Nu is R voor velen de eerste keuze, om meerdere redenen:
Een DataCamp-enquête uit 2013 over R in het onderwijs liet zien dat 71,1% van de respondenten economie of bedrijfskunde studeerde, terwijl slechts 10,5% informatica deed. Dat toont aan dat datageletterdheid en -skills overal belangrijk zijn.
Data science
Samen met Python is R een belangrijke taal in de wereld van data science. Met behulp van R kunnen professionals zowel gestructureerde als ongestructureerde data modelleren en analyseren; ook kunnen ze met R machine learning- en statistische analysetools maken die hen bij hun werk ondersteunen.
R maakt het eenvoudig om met data uit verschillende bronnen om te gaan, van import tot analyse. Bovendien bieden het R-systeem zelf en de CRAN-bibliotheek veel functies en tools voor datavisualisatie, waardoor professionals hun onderzoek en bevindingen eenvoudig in een impactvolle en overzichtelijke vorm kunnen presenteren.
Statistiek
Het spreekt voor zich, aangezien het een statistische programmeertaal is, maar R is dé taal voor statistiek en statistisch rekenen—het is immers door statistici voor dit doel ontworpen.
Een breed scala aan packages ondersteunt werk in dit domein, terwijl de R-taal zelf kan worden gebruikt om softwaretools te ontwikkelen met statistische functies. Het gebruik kan zelfs verder gaan. In een interview merkt RStudio-computerwetenschapper Joe Cheng op dat R als general-purpose taal kan worden gebruikt om nieuwe statistische talen te implementeren.
Financiën
Met zijn flexibiliteit en geschiktheid voor elke data-analysetaak is het geen verrassing dat R steeds vaker wordt gebruikt in finance. Bedrijven als ANZ en Bank of America gebruiken de taal voor kredietrisicoanalyse en -modellering, financiële rapportage, het beheer van beleggingsportefeuilles en talloze andere taken.
Specifieke tools zoals jrvFinance en het bundelpakket Rmetrics stellen mensen in finance in staat om financiële berekeningen uit te voeren, zelfs met beperkte programmeerervaring.
DataCamp biedt een reeks R-voor-finance-cursussen, waaronder Finance Fundamentals in R en Applied Finance in R.
Social media
Sinds de vroege dagen van Open Diary en Bolt is social media uitgegroeid van een handvol tech-savvy gebruikers tot praktisch iedereen met een smartphone. Tegenwoordig is het lastig iemand te vinden die geen enkel socialmediaplatform gebruikt.
Social media is ook big business, een business die primair drijft op data. Bedrijven zoals Meta (Facebook en Instagram) en TikTok vertrouwen op het gedrag van gebruikers om gerichte advertenties aan andere bedrijven aan te bieden.
Alles wat je doet of waarmee je interageert op social media genereert data die voor dit doel kan worden gebruikt, en tools zoals R zijn de perfecte manier voor socialmediabedrijven om inzichten te halen uit de enorme hoeveelheden data die ze verzamelen en om de algoritmen te beheren die gebruikers blijven terugbrengen voor content die bij hun interesses past.
Welke bedrijven gebruiken R?
Een greep uit de grote namen die R in hun techstack gebruiken:
Een paar codevoorbeelden
R kan basiscode uitvoeren zoals het maken van een matrix en de manipulatie daarvan, zoals hieronder te zien is:
Het kan ook helpen bij data-analyse en -manipulatie:
R-basics en Advanced R
Mensen met basiskennis van R kunnen de programmeertaal gebruiken voor eenvoudige taken op het gebied van sorteren en analyseren van data, zoals variabelen toewijzen en via de command line berekeningen uitvoeren.
Ze kunnen ook visuele weergaven van data produceren, zoals taartdiagrammen of grafieken. Sommigen gebruiken R misschien zelfs om hun eigen persoonlijke financiën of die van een klein bedrijf te beheren.
Zoals verwacht kunnen mensen met geavanceerde R-kennis al deze dingen en nog veel meer.
Het gebruik van R reikt verder dan het maken van visualisaties en data-analyse. Omdat het een krachtig statistisch rekenhulpmiddel is, kan R worden gebruikt om voorspellende machine learning-modellen en andere data science-tools te bouwen.
Hoewel het primair een functionele en domeinspecifieke taal is, kan R zelfs voor sommige objectgeoriënteerde programmeertaken worden gebruikt. Experts kunnen R ook inzetten voor metaprogrammeren: het maken van programma's die vervolgens andere programma's kunnen schrijven of manipuleren.
Of je nu gewoon een tool wilt om je eigen uitgaven beter te beheren of je een meester in R-code wilt worden, DataCamp kan helpen. Onze brede reeks R-cursussen en carrièretracks is geschikt voor iedereen, van absolute R-beginner tot vaardige R-programmeur en verder.
Bekijk onze R Cheat Sheet, met een overzicht van de basis
Moet ik kiezen voor R of Python?
We hebben een heel artikel over R vs Python - in de praktijk, als je serieus met data science en analytics aan de slag wilt, zul je uiteindelijk beide talen moeten leren. Python, een general-purpose taal met een breed ecosysteem, heeft soms de voorkeur vanwege de veelzijdigheid, waardoor het ideaal is voor machine learning, AI en integratie met andere tools. R daarentegen is specifiek ontworpen voor statistisch rekenen en graphics, waardoor het een voorkeurskeuze is voor gespecialiseerde statistische analyses en onderzoek.
De keuze welke je leert of gebruikt hangt vaak af van het project waar je aan werkt en wat je wilt bereiken. Gelukkig hebben beide talen veel leermiddelen waar je op kunt terugvallen terwijl je je skills aanscherpt.
Wat is R? Tot slot
R is een populaire programmeertaal waarmee je grote hoeveelheden data vakkundig kunt verwerken, visualisaties van publicatiekwaliteit kunt genereren en een reeks statistische en analytische rekenwerktaken kunt uitvoeren.
Gebruikt in velden zoals data science, finance, academia en meer, is R krachtig, flexibel en uitbreidbaar. Het is ook gratis en volledig open-source, wat betekent dat er veel packages beschikbaar zijn om R-gebruikers te helpen met allerhande taken en dat er een ondersteunende community van R-liefhebbers wereldwijd is.
Als je geïnteresseerd bent in een carrière in data, kunnen R-skills je helpen om vooruit te komen—en een goedbetaalde baan in data science te bemachtigen. DataCamp is de thuisbasis van het meest uitgebreide aanbod aan R-cursussen op het internet. Van instapniveau tot en met machine learning met R: we hebben wat je nodig hebt. Als je net begint is onze R Programming Skill Track de perfecte plek om snel op snelheid te komen. Je kunt ook onze Data Analyst With R Career Track bekijken om je carrière een vliegende start te geven.