O que é o R? Introdução à poderosa linguagem de computação estatística

O R é uma ferramenta de programação estatística especialmente preparada para lidar com dados – e muitos. 

Com o R, é fácil lidar com grandes quantidades de informações e produzir visualizações e gráficos prontos para publicação. O mesmo vale para tarefas de análise, mineração e modelagem de dados de todo tipo. 

Como foi projetada inicialmente por estatísticos para fins estatísticos, o R é excelente para ciência de dados, uma área importante no mundo atual.

Embora a função principal do R seja gráficos e análises estatísticas, seu uso vai além disso e se estende à IA, machine learning, análise financeira e muito mais.

Sempre avaliado como uma das linguagens de programação mais usadas do mundo, além de estar associada a altos salários, o R existe desde o início dos anos 90 e ainda está em alta.

Mas o que é R? Continue lendo para saber mais sobre a linguagem de programação R, incluindo sua história, quem a usa e possíveis planos de carreira com as habilidades em R que você possui.

O que é R?

O R é um sistema de computação estatística e gráficos. Esse sistema é composto de duas partes: a linguagem R em si (que é o que a maioria das pessoas quer dizer quando fala sobre R) e um ambiente de tempo de execução.

O R é uma linguagem interpretada, o que significa que os usuários acessam suas funções por meio de um interpretador de linha de comando. 

Ao contrário de linguagens como Python e Java, o R não é uma linguagem de programação de uso geral. Em vez disso, é considerada uma linguagem específica de domínio (DSL), o que significa que suas funções e uso foram projetados para um domínio ou área específica de uso. 

No caso do R, trata-se de computação e análise estatística. Por extensão, o R costuma ser usado para todos os tipos de tarefas de ciência de dados.

O R conta com um grande conjunto de funções que permitem a visualização de dados, para que os usuários possam analisar dados, modelá-los conforme necessário e criar gráficos. Além das funções gráficas integradas na linguagem, há vários complementos ou módulos que facilitam isso. 

Qual é a popularidade da linguagem de programação R?

O R é uma linguagem de programação bem conhecida, principalmente em determinadas áreas, como ciência de dados, pesquisa acadêmica e estatística.

Em outubro de 2023, o R ocupava o 17º lugar no Índice TIOBE e, em agosto de 2020, o R estava em 8º lugar. Atualizado mensalmente, o índice TIOBE é um bom indicador da popularidade de uma linguagem de programação. 

Há 50 linguagens listadas no índice e mais de 8.000 outras linguagens de programação, portanto é seguro dizer que o R é bem conhecido!

Em maio de 2020, o R ficou fora das vinte primeiras do Índice TIOBE por um breve período, levando muitos a especular que o salto da linguagem de pesquisa acadêmica para uso comercial foi rapidamente suplantado pelo Python. No entanto, essa queda de popularidade não durou muito e, conforme relatado pela TechRepublic, em julho do mesmo ano, o R estava entre as dez primeiras.

O R é a linguagem preferida dos engenheiros estatísticos e de pesquisas estatísticas. Universidades de todo o mundo usam o R para auxiliar no trabalho de pesquisa em várias áreas.

"O sucesso do R é um exemplo do poder de uma comunidade com apoio acadêmico de elevar uma linguagem além do limite esperado." – Stephen O'Grady, analista da RedMonk

Muitas pessoas acham que o salto do R ao chegar às dez primeiras em 2020 foi devido ao aumento do uso da linguagem em pesquisas sobre a covid-19. Quando há muitos dados a serem processados, o R é a ferramenta ideal – e esse é apenas um dos motivos pelo qual a linguagem faz sucesso até hoje, quase 30 anos após sua criação.

Quando o R foi criado?

O R foi criado no início da década de 1990 pelos estatísticos Ross Ihaka e Robert Gentleman, da Universidade de Auckland. 

Ihaka e Gentleman, ambos professores de estatística na universidade neozelandesa, perceberam o que Ihaka chamou de "necessidade comum de um ambiente de software melhor" em seus laboratórios de ciência da computação. Essa constatação fez com que a dupla começasse a desenvolver o R, uma implementação da linguagem de programação predecessora S. 

Embora os professores tenham começado a trabalhar no R no início dos anos 90, a versão 1.0.0 só foi lançada oficialmente em fevereiro de 2000. 

O que significa o nome R?

A linguagem R recebeu esse nome por dois motivos: porque R é a primeira letra do nome dos inventores e porque R é uma brincadeira com o nome da linguagem que deu origem a ela, o S, originalmente desenvolvida pela Bell Telephone Laboratories.

R, S e Scheme

Para entender completamente o R, é útil entender o S, a principal linguagem que embasou seu desenvolvimento.

A linguagem de programação S 

O S foi desenvolvido em meados da década de 1970 por John Chambers e outros funcionários da Bell Labs. Seu objetivo era oferecer uma abordagem interativa para a computação estatística, que fosse fácil de usar e tornasse as tarefas de análise de dados mais simples e rápidas. 

Em uma entrevista de 2013, Chambers observa que a equipe da Bell Labs queria que as pessoas tivessem "acesso aos melhores métodos de computação existentes, independentemente de sua origem". 

Ele também disse que a equipe queria que os usuários "começassem em um ambiente interativo, no qual não pensassem conscientemente em si mesmos como programadores". Então, à medida que suas necessidades ficassem mais claras e sua sofisticação aumentasse, eles poderiam entrar gradualmente na programação."

A filosofia geral do S era muito parecida com a do R: oferecer um ambiente de software que facilitasse a programação computacional e a análise estatística, que qualquer pessoa pudesse aprender a usar. 

Assim como o R, o S também pode ser usado para escrever programas mais longos centrados em tarefas estatísticas. Ao contrário do R, porém, o S e sua iteração posterior, o S-PLUS, eram produtos licenciados, o que significa que precisavam ser comprados de uma empresa.

É importante observar que o R não é uma linguagem distinta, mas sim um dialeto do S. 

Sintaxe e semântica

Os linguistas usam os termos sintaxe e semântica para descrever elementos de linguagens naturais, e os cientistas da computação também adotaram esses termos para linguagens de programação.

Na programação de computadores, a sintaxe se refere às regras que ditam a "ortografia" e a "gramática" de uma linguagem, enquanto a semântica se refere à forma como os dados ou comandos de uma linguagem são apresentados. 

A sintaxe do R era muito semelhante à do S em seus primeiros anos. Isso facilitou a migração para o R para as pessoas que usavam o S-PLUS, o que desempenhou um papel fundamental na popularidade conquistada pelo R no meio acadêmico. A semântica do R, no entanto, está mais próxima da do Scheme, uma linguagem de programação funcional. 

O R é uma linguagem de baixo ou alto nível?

O R é considerado uma linguagem de programação de alto nível. Essa classificação é baseada no nível de abstração da linguagem de máquina. Ao contrário das linguagens de baixo nível, que exigem conhecimento profundo da memória e dos processos do computador, as linguagens de alto nível, como o R, foram projetadas para serem facilmente compreendidas e escritas por humanos, tornando-as mais acessíveis para estatísticos, analistas de dados e pesquisadores.

O R oferece capacidade, extensibilidade e flexibilidade em massa, mas o "custo", quando comparado a linguagens como Python, é um certo nível de complexidade. 

O R não é a linguagem de programação mais fácil de aprender, mas também não é tão difícil quanto muitos querem que você acredite. O DataCamp vem ensinando as pessoas a usar o R há mais de uma década, e nós aperfeiçoamos nossos métodos. 

O truque é se concentrar primeiro no essencial e depois aumentar suas habilidades e conhecimentos de R à medida que você avança. Se quiser experimentar a programação em R, confira nosso curso gratuito de Introdução ao R. 

Como o R evoluiu ao longo dos anos

O R tem sido de código aberto durante a maior parte de sua vida útil, portanto houve grandes mudanças no número de pacotes disponíveis para a linguagem. 

A linguagem em si também passou por algumas mudanças, pois passamos da primeira versão para a mais recente, e as áreas em que o R é usado também se expandiram. Antes de falarmos mais detalhadamente sobre isso, vamos dar uma olhada em alguns marcos na história do R.

Um breve histórico do R

• 1991 – Ross Ihaka e Robert Gentleman começam a trabalhar em um novo dialeto do S como projeto de pesquisa para o Departamento de Estatística da Universidade de Auckland.
• 1993 – O primeiro anúncio do R chega ao público por meio do arquivo de dados StatLib e da lista de discussão s-news.
• 1995 – O colega estatístico Martin Mächler convence os inventores do R a lançar a linguagem com uma licença pública geral GNU, tornando o R gratuito para uso e de código aberto.

Ihaka e Gentleman lançam seu artigo pioneiro apresentando o R ao mundo. 

• 1997 – Foi formada a R Core Team, equipe principal do R. Esse grupo é o único com acesso de gravação ao código-fonte do R, que analisa e aplica todas as alterações sugeridas na linguagem.

No mesmo ano, foi formada a Comprehensive R Archive Network (CRAN). Esse repositório de pacotes de software R de código aberto, extensões da linguagem em si, ajuda os profissionais em inúmeras tarefas.

• 2000 – A versão 1.0.0 do R foi lançada ao público. 
• 2003 – Foi formada a R Foundation, para manter e administrar os direitos autorais do software do R e para disponibilizar suporte ao projeto da linguagem R.
• 2004 – Lançamento da versão 2.0.0 do R. 
• 2009 – É criado o R Journal, periódico de acesso aberto para computação e pesquisas estatísticas.
• 2013 – Lançamento da versão 3.0.0 do R.
• 2020 – Lançamento da versão 4.0.0 do R.
• Junho de 2023 – Atualmente, estamos na versão 4.3.1 do R.

A comunidade R

A comunidade R é formada por pessoas de todo o mundo que usam o R, contribuem com os pacotes disponíveis na biblioteca CRAN ou ambos. 

Essa comunidade é conhecida por ser muito ativa; há muitas pessoas realizando fóruns sobre o R, escrevendo sobre o assunto em blogs e respondendo a perguntas no Stack Overflow e em outros lugares. Além de todos os recursos e suporte virtuais de R, há uma série de grandes conferências de R que são realizadas periodicamente.

Se quiser fazer algo com o R e não tiver certeza de como começar, é bem provável que haja um pacote disponível para ajudá-lo. A movimentada comunidade do R produziu milhares de ferramentas que ampliam os recursos do R. 

De acordo com o CRAN, há cerca de 20.000 pacotes R disponíveis. Alguns desses pacotes ganharam destaque por conta própria, incluindo o Tidyverse. Saiba mais sobre os pacotes R e como instalá-los em um guia separado. 

O Tidyverse do R

Caso já tenha lido um pouco sobre o R, há uma boa chance de você ter ouvido falar do Tidyverse. 

O Tidyverse não é um pacote único, mas sim um pacote de pacotes R individuais. Todos esses pacotes são projetados para análise e ciência de dados. 

Cada ferramenta do pacote completo do Tidyverse foi projetada para trabalhar em conjunto com as outras e disponibilizar um fluxo muito claro entre as tarefas de ciência de dados. 

O Tidyverse é uma criação de Hadley Wickham, cientista-chefe do RStudio e coautor de "R for Data Science". Esse autoproclamado "conjunto de pacotes R selecionado de forma crítica" têm feito sucesso mundo afora, e cientistas de dados de todo o mundo agora contam com o Tidyverse para seu trabalho.

De fato, é seguro dizer que qualquer pessoa que queira trabalhar com o R ou com dados, em geral, precisa entender o Tidyverse. Você pode conferir isso na Introdução ao Tidyverse online do DataCamp e no programa de habilidades sobre Fundamentos do Tidyverse com R.

A ascensão da ciência de dados

Seria um erro descrever a evolução do R sem mencionar o surgimento da ciência de dados em mais detalhes. 

À medida que o mundo passou dos sistemas analógicos para a digitalização (tornando os sistemas existentes digitais) no final do século XX, os dados se tornaram cada vez mais valiosos. Hoje, valem mais do que ouro. 

As empresas de todos os setores e indústrias precisam entender os clientes e clientes potenciais para permanecerem competitivas, e as organizações públicas podem fazer um trabalho melhor quando contam com o máximo de informações possível. 

Todos esses dados contêm muitos insights que podem ser aproveitados pelas organizações. Basta que tenham as ferramentas certas. 

O R é uma dessas ferramentas, assim como o Python, o SQL, o Power BI, o Tableau e outras. Para entender adequadamente as informações ocultas nos dados, precisamos de profissionais como cientistas e analistas de dados.

À medida que a ciência de dados se tornou mais importante no mundo moderno, a demanda por pessoas com habilidades técnicas para ler e interpretar dados aumentou proporcionalmente. Hoje, por exemplo, a ciência de dados é uma das funções de TI mais bem remuneradas, com um salário médio de mais de US$ 120.000, de acordo com a Indeed.  

Quem usa o R?

Muitos profissionais usam o R em seu trabalho, e a linguagem é usada em várias áreas. Antes de examiná-las, vamos analisar algumas possíveis carreiras com habilidades em R.

Carreiras com o R

• Cientista de dados
• Engenheiro estatístico
• Analista de dados
• Programador em R
• Arquiteto de dados
• Administrador de banco de dados
• Geoestatístico
• Pesquisador
• Inteligência de negócios 
• Analista financeiro
• Cientista de machine learning
• Analista quantitativo
• Estatístico
• E outras...

Áreas e setores em que o R é usado

Por ser avançado e capaz de realizar todos os tipos de tarefas de análise, visualização e modelagem de dados, o R é usado em uma grande variedade de indústrias e setores. Aqui vão apenas alguns:

Área acadêmica

Assim como o inglês é a língua franca do mundo, o R é a linguagem de programação dominante em muitas instituições acadêmicas. Seu uso também não se limita à estatística; muitos tipos de pesquisa precisam de dados quantitativos, inclusive correlacionais, experimentais e descritivos, e eles ocorrem em várias áreas. 

A digitalização (processo de adoção de dados e ferramentas associadas) e o surgimento do big data atingiram todos os campos de estudo e pesquisa, levando ao aumento do uso de R em ambientes acadêmicos. 

Por exemplo: o Statistical Package for the Social Sciences (SPSS) da IBM já foi a principal opção de software para ciências sociais. Agora, o R é a principal opção por vários motivos:

• O R é 100% gratuito para instituições e alunos
• O R é compatível com todos os sistemas operacionais e dados de vários tipos de arquivos
• O R permite pesquisas transparentes e reproduzíveis
• O R facilita a criação de visualizações de dados

Uma pesquisa do DataCamp de 2013 sobre o R na educação mostrou que 71,1% dos entrevistados estavam cursando economia ou administração, enquanto apenas 10,5% estavam cursando ciência da computação, mostrando que o letramento e as habilidades em dados são importantes em todos os níveis.

Ciência de dados

Juntamente com o Python, o R é uma linguagem importante no mundo da ciência de dados. Com a ajuda do R, os profissionais podem modelar e analisar dados estruturados e não estruturados, além de usar o R para criar ferramentas de machine learning e de análise estatística que ajudam em seu trabalho.

O R facilita o manuseio de dados de várias fontes, desde a importação até a análise. Além disso, o próprio sistema R e a biblioteca CRAN oferecem muitas funções e ferramentas de visualização de dados, o que facilita para os profissionais a apresentação de suas pesquisas e descobertas em um formato impactante e de fácil leitura.

Estatística

Nem é preciso dizer que, por se tratar de uma linguagem de programação estatística, o R é a referência para estatísticas e computação estatística – afinal, foi projetado por estatísticos para esse fim. 

Uma ampla variedade de pacotes respalda o trabalho nessa área, enquanto a linguagem R em si pode ser usada para desenvolver ferramentas de software que incluam funções estatísticas. Seu uso pode até ir além disso. Em uma entrevista, Joe Cheng, cientista da computação do RStudio, observa que o R pode ser usado como linguagem de uso geral para implementar novas linguagens estatísticas. 

Finanças

Com sua flexibilidade e aptidão para qualquer tarefa de análise de dados, não é de surpreender que o R tenha sido cada vez mais utilizado no setor financeiro. Empresas como a ANZ e o Bank of America usam a linguagem para análise e modelagem de risco de crédito, relatórios financeiros, manuseio de portfólios de investimento e várias outras tarefas.

Ferramentas dedicadas, como o jrvFinance e o pacote Rmetrics, permitem que as pessoas que trabalham com finanças façam cálculos financeiros, mesmo que tenham pouca experiência em programação. 

O DataCamp oferece uma variedade de cursos de R para finanças, como Fundamentos de Finanças em R e Finanças Aplicadas em R.

Redes sociais

Desde os primeiros dias da Open Dairy e do Bolt, o alcance das redes sociais aumentou de alguns usuários experientes em tecnologia para praticamente todos que têm um smartphone. Hoje em dia, é difícil encontrar alguém que não use nenhuma plataforma de rede social. 

As redes sociais também são um grande negócio, que trabalha principalmente com dados. Empresas como a Meta (Facebook e Instagram) e o TikTok se baseiam nos hábitos dos usuários para oferecer publicidade direcionada a outras empresas. 

Cada ação que você faz ou cada interação sua nas redes sociais gera dados que podem ser usados para essa finalidade, e ferramentas como o R são a maneira perfeita para as empresas de redes sociais extraírem insights das grandes quantidades de dados que coletam e gerenciarem os algoritmos que fazem com que os usuários voltem para ver conteúdo que atenda a seus interesses. 

Quais empresas usam o R?

Estas são apenas algumas das grandes empresas que usam R em sua pilha de tecnologias:

• Bank of America
• Amazon
• Facebook
• JP Morgan 
• Google
• Accenture
• LinkedIn
• IBM
• Uber
• Deloitte
• The New York Times
• Ford
• HP
• E muitas outras...

Alguns exemplos de código

O R pode executar códigos básicos, como a criação de uma matriz e sua manipulação, como podemos ver abaixo:

#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

Também pode ajudar na análise e manipulação de dados:

#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)

R básico e R avançado

Pessoas com conhecimentos básicos de R podem usar a linguagem de programação para realizar tarefas básicas de classificação e análise de dados, como atribuir variáveis e usar a linha de comando para fazer cálculos. 

Também podem produzir representações visuais de dados, como tabelas ou gráficos de pizza. Elas podem até usar o R para ajudá-las a gerenciar as finanças pessoais ou as de uma pequena empresa. 

Como esperado, as pessoas com conhecimento avançado de R podem fazer tudo isso e muito mais. 

O uso do R vai além da criação de visualizações e da análise de dados. Por ser uma poderosa ferramenta de computação estatística, o R pode ser usado para criar modelos preditivos de machine learning e outras ferramentas de ciência de dados. 

Embora seja principalmente uma linguagem funcional e específica de domínio, o R pode até ser usado para algumas tarefas de programação orientada a objetos. Os especialistas também podem usar o R para metaprogramação, a criação de programas capazes de escrever ou manipular outros programas.

Não importa se você quer apenas uma ferramenta para gerenciar melhor as próprias despesas cotidianas ou se quer se tornar um mestre na programação em R, o DataCamp pode ajudar. Nossa ampla variedade de cursos e programas de carreira em R é indicada para todos, desde o iniciante que está começando do zero até o programador competente em R. 

Confira nossa Folha de dicas de R, que descreve alguns dos conceitos básicos

Você deve escolher R ou Python? 

Temos um artigo inteiro sobre R x Python – na realidade, se você pretende se dedicar seriamente à ciência e análise de dados, vai precisar aprender as duas linguagens. O Python, uma linguagem de uso geral com um amplo ecossistema, às vezes é preferido por sua versatilidade, o que a torna ideal para machine learning, IA e integração com outras ferramentas. O R, por outro lado, foi projetado especificamente para gráficos e computação estatística, o que o torna a opção preferida para análises e pesquisas estatísticas especializadas. 

A escolha de qual aprender ou usar geralmente depende do projeto em que você está trabalhando e do que espera alcançar. Por sorte, as duas linguagens têm muitos recursos de aprendizado que você pode consultar para aprimorar suas habilidades. 

O que é R? Considerações finais

O R é uma linguagem de programação bem conhecida que permite que as pessoas lidem habilmente com grandes quantidades de dados, gerem visualizações com qualidade de publicação e executem uma série de tarefas de computação estatística e analítica. 

Usado em áreas como ciência de dados, finanças, universidades e outras, o R é avançado, flexível e extensível. Também é gratuito e de código aberto, o que significa que há muitos pacotes disponíveis para ajudar os usuários do R em todos os tipos de tarefas e uma comunidade acolhedora de entusiastas do R em todo o mundo.

Se estiver interessado em uma carreira na área de dados, as habilidades em R podem ajudá-lo a progredir e a conseguir um emprego bem remunerado na área de ciência de dados. No DataCamp, você encontra a gama mais abrangente de cursos de R da internet. Desde o nível introdutório até o machine learning com o R, temos tudo o que você precisa. Se você está apenas começando, nosso Programa de Competências de Programação em R é o lugar perfeito para aprender rapidamente. Você também pode conferir nosso Programa de Carreira de Analista de Dados com R para dar o pontapé inicial na sua jornada profissional.