R語言缺點

 

R的優點：免費，開源，體積小。
缺點：對大文本處理差，另外一個也在於開源，package如果出錯，煩死你。
當你跑比較大的simulation，對效率有要求的時候，有時還是不得不用C，這可能是10小時和10分鍾的差別，毫不誇張。
SAS流行於公司，R流行於研究機構和大學
數據分析不是單純的靠軟件來做的，需要很好的數學基礎。

統計學工具各有千秋。
https://englianhu.wordpress.com/statistics/
學了R，可以免去學spss，matalab，ucinet等等眾多的軟件，可以減少不少的學習時間，前景應該不錯
如果lz不准備搞數據數據挖掘相關的東西，最好還是學學python一類更通用的語言。如果搞數據挖掘的話，還可以學學hadoop...這種有專業背景的語言不會隨便就消失的，前景不差~
r的數值計算沒有像matlab高精度，比如算出應該是3的，可能r里面輸出2.998。

 

就一個R和SAS精通程度幾乎相同，在兩種環境下都做過比較大（moderately big, ~xx Gb）的數據分析，與其他語言環境嵌合（SQL, Perl, etc...）使用過的個人（統計專業人員，非編程專業人員）的感受而言：

R的優點：
1. 免費... 開源... （這是最重要的一點好不好，也是SAS流行於公司，R流行於研究機構和大學的最主要原因）
2. 是專門為統計和數據分析開發的語言，各種功能和函數琳琅滿目，其中成熟穩定的一抓一把
3. 語言簡單易學。雖與C語言之類的程序設計語言已差別很大（比如語言結構相對松散，使用變量前不需明確正式定義變量類型等等），但仍保留了程序設計語言的基礎邏輯與自然的語言風格。我這樣說可能讓人聽得雲里霧里，但是如果你對SAS或者SPSS有一點點了解，就會明白我的意思了...
4. 小... 安裝程序只有50Mb左右，比起某些死貴且3個G的付費軟件真的是超級迷你小巧玲瓏... 因為體積輕便，運行起來系統負擔也小。
5. 同各種OS的兼容性好。我兩台本本一台Windows，一台Linux，都用得很順手。相比之下，你有見過人在Mac上用SAS嗎... 這人是要多么的想不開... =. =
6. 因為用的人越來越多，又是開源，有很多配套的“插件”為其錦上添花。比如xtable里有一個函數可以直接將R里的表格導出為TeX格式；另有RStudio的插件讓你可以在同一個環境里寫TeX跑R並可在你的TeX文件中插入你的R代碼，多么的賢良淑德... （這個插件我沒用過，不過我同學一天到晚在用）
7. 有R GUI和RStudio兩種風格供君選擇，說實話我覺得這兩種風格已經涵括了大多數人的使用偏好...
8. 已經提過了開源，還想再強調一下。各種包和函數的透明性極好，這使得對函數的調整和改良變得非常便利。只需要把源碼調出來，自己稍微修改一下就可以了。這種事情放在任何其他統計軟件里都近乎奢望。
9. 如果你做Bayesian，用R你有OpenBUGS, WinBUGS, JAGS等各種成熟活潑的包裹，很多語言又簡單又附帶各種預設的plot，你只需調用即可；還可以自己寫MCMC。如果你用SAS/SPSS/Stata，你可以... @@? = =bbb
10. 漂亮又靈活的圖，大家也都已經講過了。原本不是什么特別突出的長處（有則好，沒也沒啥），不過現在數據可視化越來越熱，也就一躍成為主要優點了。

說說缺點：
1. 對大文本（text data）處理極差... 或者說data management本就不是R的強項。SAS於R的最大優勢之一可能就在於它兼顧了數據分析和數據管理。在SAS里對數據進行各種復雜操作都相對容易，只需要簡單的DATA STEP（必要時結合PROC SQL）即可完成；在R里可就真的是千辛萬苦... 雖然也有相應的aggregate, merge之類的函數，但是大都不太好用。這也是為什么大家常常把數據（尤其是數據大時）在別的環境下整好/分割好再喂給R。人家術業有專攻，數據管理真是有些難為它了。
2. 內存管理和平行處理（parallel processing/programming）都為人詬病。數據小時沒有感覺，數據大了就各種報錯... =. =
3. package的可靠性問題。我第一門完全使用R做作業的課是門統計課，教授已經六十多歲，見過各種統計軟件的出生發展和湮沒。她同我們說到R時第一句話就是Never use a package before you understand the manual and confirm the validity of the functions. 也就是包裹雖然好，使用需謹慎。主要原因還是在於開源。不常用的package一定要搞清楚函數的用法和核實過輸出，不然真的不推薦使用。我個人也是傾向非常用函數盡量自己寫，至少錯了也容易debug...
4. 不得不提的package的版本問題。 就算你確認了包裹的可靠性並熟知了各個變量要怎么用，還是可能掉入潛在的陷阱=. = 講個真事：去年工作的時候一個項目是使用11年某項目的一個貝葉斯模型分析新的數據。當年寫代碼的人因為相信末日說兩年前就已經辭職環游世界去了，於是我只好獨自研讀他的代碼。第一步，很自然的，就是重復當年的分析結果。這時發現當年他用的一個package和現在的R已經不兼容，於是就下載了這個package的最新版本。結果有一個簡單的credible interval怎么都重復不出來... 怎么怎么都重復不出來... 我都快絕望了。最后經各種推理驗證，發現這個區別源自於新舊版本的函數內部在對數據排序之后對NaN的不同處理... 而這個小小的修改未在任何地方留下任何文字記錄。所以怎么說呢... 很多時候還是寫自己的程序靠譜哇...
5. 當你跑比較大的simulation，對效率有要求的時候，有時還是不得不用C，這可能是10小時和10分鍾的差別，毫不誇張。
6. 想不出來樂 =w=

大致就是這樣。

最后，因為不是學計算機出身，文中與編程語言和系統相關的措辭可能不准確或有誤用，請程序員們多包涵=)

 

 

RStudio在yihui大神的加入之下有knitr了，不一定要寫TeX，可以寫markdown。
數據管理確實頭疼，所以hadley大神做了plyr和dplyr嘗試改變這一局面。
內存管理多用gc()……
從運行效率出發必然是C厲害，不過開發效率就……？？？所以出現了Rcpp包

 

R如果作為一門程序語言確實不怎么樣，感覺從基礎架構往上推都是亂的。最簡單的，函數的參數什么時候值傳遞、什么時候地址傳遞，完全搞不清。語言一點也不簡潔。R的優點就是可以用的package很多也很全，但除此之外真是不喜歡用，比python差遠了。

R內部函數參數從來不傳地址

R語言的語法還是很不錯的, 個人覺得比MatLab好, 然而函數和工具包的體系確實一片狼藉, 函數名毫無規律, 函數對參數的要求千奇百怪, 參數的語義也是千奇百怪, 編程一直離不開在線文檔

一個package一套路子，要用其中一個函數就恨不得把整個manual瀏覽一遍，累死個人。

 

1. 大文本處理是什么鬼；data management? 你是說data manipulation吧，如果我沒記錯，2014年dplyr早就出來了
2. 內存管理是內存管理，並行處理是並行處理。內存管理R是不咋的。並行處理是MPI和*nix的fork機制，跟編程語言沒關系
3. 教授的意思，不光是可靠性問題吧，還有別光用包用得爽，得知道包后面的統計方法，以及當前是否適用。就包本身，一大票包是統計方法提出人自己寫的，雖然效率可能不咋的，但正確性比Python一大票工程師寫的統計包強多了（沒有鄙視Python的意思）
4. 版本問題，誰也跑不了。*nix的包管理，Python的virtualenv，R的Packrat
5. 效率腳本語言的確比不上編譯語言，除非像Google花大價錢堆出V8的Javascript。不過就算是腳本語言，爛代碼也能比好代碼慢上幾個數量級

另，某樓說函數參數什么時候值傳遞，什么時候地址傳遞，完全搞不清，那只是你搞不清。R的解釋器最初是拿某Scheme的解釋器改過來的，別一看跟想像的或經驗不一致，就覺得“從基礎架構往上推都是亂的”

 

 

R語言
優點：

1. 免費/包多，上手快，還有其他提到的；
2. 我們使用下來R最好功能是：畫圖，（ggplot2，plotly，shiny，ggmap，用起來真的很方便），ggplot2畫靜態圖，plotly畫交互圖、shiny可以用網頁交互，ggmap畫地圖類可視化；
3. 基於內存，訓練速度還算快，代碼量少；
4. 開源，開發者還不少，是個不斷壯大的社區，並且也發展的比較成熟了；
5. 輕量，使用數據量相對少的模型項目，幾個G的數據，用16G內存的電腦吃得消；
6. Rstudio用起來真的挺好的，界面非常友好，是個很優秀的IDE；

缺點：

1. 很多人懂R語言，寫出來的代碼速度非常慢，特別是有些人老是喜歡寫循環，我想說的是R語言恨透了循環。畢竟不是每個人都會用Rcpp寫代碼的；
2. 目前主流的DeepLearning的包都沒有相關的R package，而python通吃；R現在只有一個明星產品mxnet，h2o勉強算1/4；
3. 數據量足夠大了之后，R肯定是不適合了，內存要爆掉的；
4. R的package非常的泛，開發包的人水平參差不齊，很多package都沒有持續的更新，很多bug都沒有修復（python相對來說會好很多，sklearn持續更新）
5. 如果是在服務器上安裝R的package，你想死的心都有，因為依賴、依賴、依賴啊，在不能聯網的服務器上，你要手工的把依賴、依賴、依賴包都線安裝好，心真累；

 

下面說說自己感受到的缺點，可能比較基礎，各位大神不吝賜教啊
1.因為package來自不同貢獻者，各個包的使用習慣可能差異極大，這實際上無形中增加了使用者的學習成本。這點實在很難細說，各位答題者應該都或多或少有所體驗。不過，強烈建議初學者注意數據在R中的保存類型（這么說合適嗎？），就是函數class的返回值。如果忽略這個，很可能哪天就卡死在一個函數上了，對於某些奇特的類型，使用常規函數分析前需要預先處理。不過熟悉之后這個基本不會是大問題。
2.package的質量實在參差不齊。
野雞的包不要用。
野雞的包不要用。
野雞的包不要用。
嗯，沒聽過的、沒見過的、不是核心包的包不要用。

如果非要類比的話，Matlab是長槍大戟，攻城略地所用。毋庸置疑，python是沖鋒槍，已經進入現代戰爭（指大數據分析）。然而，R是一柄劍，輕靈銳利。
最后，借用《英雄志》里的一句話：劍是天才的武道。

 

SAS: 速度快，有大量統計分析模塊，可擴展性稍差，昂貴。
SPSS: 復雜的用戶圖形界面，簡單易學，但編程十分困難。
Splus: 運行S語言，具有復雜的界面，與R完全兼容，昂貴。

R的缺點
用戶需要對命令熟悉：與代碼打交道，需要記住常用命令。
占用內存：所有的數據處理在內存中進行，不適於處理超大規模的數據。
運行速度稍慢：即時編譯，約相當於C語言的1/20。
相比點擊鼠標進行操作，R仍能夠大大提高效率。

優點：統計前沿的主流語言；擴展性好；對內存和並行運算的詬病其實很多人沒真的理解r（它不適合直接就支持的，Revolution可以），內存不是r的限制，r的確是在內存中做運算的，但如果對計算機語言和統計算法的掌握不夠，就會得到以上的結論。
缺點：一點沒基礎的人很難起步，不過現在有視頻和培訓了；要精通r很難，這點在上面內存已經說過了，這其實國內統計教育的失敗之處；r包現在發展極快，學習r需要耗費大量精力（嚴格這不是r的問題，而是中國社會環境的問題）

優勢： 

• 能完成絕大部分數據相關的分析、統計、挖掘、可視化等工作
• 能和Hadoop等大數據解決方案一起工作

劣勢：

討厭的賦值符號 <-

涉及到中文的時候亂碼問題總是出現

 

 

優點:

- 軟件包豐富
- 文檔化幫助信息很友好，簡單易學
- 兼容性好，跨平台
- 對統計分析天然支持
- 有RStudio這種大殺器

缺點:

- 對文本處理不是很靈活，尤其是和Python對比
- 當數據大的時候，尤其涉及讀寫文件，感覺效率不是很高（也可能是我自己不會優化)

優點開源，但是很多人為了方便會寫些R包，很多R包的正確性和效率難以保證。
R總是將數據存儲在內存中，所以不適合做大數據量處理。

R 的主要優勢是開源，自由，有cran，很多學者的paper 或者著作，直接提供了R codes。其主要由統計學家實現，語法比較適合統計分析，但這同樣也是他的缺點，沒有專業的計算機專家輔助，難以有高質量的實現。比如高性能、大數據量計算，這塊比matlab 和 SAS差距好大，matlab 可以利用多核自動並行化，R只能利用一個核，並且內存占用很恐怖，對於大數據量是個噩夢

R的優點：
1. 免費... 開源... （這是最重要的一點好不好，也是SAS流行於公司，R流行於研究機構和大學的最主要原因）
2. 是專門為統計和數據分析開發的語言，各種功能和函數琳琅滿目，其中成熟穩定的一抓一把
3. 語言簡單易學。雖與C語言之類的程序設計語言已差別很大（比如語言結構相對松散，使用變量前不需明確正式定義變量類型等等），但仍保留了程序設計語言的基礎邏輯與自然的語言風格。我這樣說可能讓人聽得雲里霧里，但是如果你對SAS或者SPSS有一點點了解，就會明白我的意思了...
4. 小... 安裝程序只有50Mb左右，比起某些死貴且3個G的付費軟件真的是超級迷你小巧玲瓏... 因為體積輕便，運行起來系統負擔也小。
5. 同各種OS的兼容性好。我兩台本本一台Windows，一台Linux，都用得很順手。相比之下，你有見過人在Mac上用SAS嗎... 這人是要多么的想不開... =. =
6. 因為用的人越來越多，又是開源，有很多配套的“插件”為其錦上添花。比如xtable里有一個函數可以直接將R里的表格導出為TeX格式；另有RStudio的插件讓你可以在同一個環境里寫TeX跑R並可在你的TeX文件中插入你的R代碼，多么的賢良淑德... （這個插件我沒用過，不過我同學一天到晚在用）
7. 有R GUI和RStudio兩種風格供君選擇，說實話我覺得這兩種風格已經涵括了大多數人的使用偏好...
8. 已經提過了開源，還想再強調一下。各種包和函數的透明性極好，這使得對函數的調整和改良變得非常便利。只需要把源碼調出來，自己稍微修改一下就可以了。這種事情放在任何其他統計軟件里都近乎奢望。
9. 如果你做Bayesian，用R你有OpenBUGS, WinBUGS, JAGS等各種成熟活潑的包裹，很多語言又簡單又附帶各種預設的plot，你只需調用即可；還可以自己寫MCMC。如果你用SAS/SPSS/Stata，你可以... @@? = =bbb
10. 漂亮又靈活的圖，大家也都已經講過了。原本不是什么特別突出的長處（有則好，沒也沒啥），不過現在數據可視化越來越熱，也就一躍成為主要優點了。

說說缺點：
1. 對大文本（text data）處理極差... 或者說data management本就不是R的強項。SAS於R的最大優勢之一可能就在於它兼顧了數據分析和數據管理。在SAS里對數據進行各種復雜操作都相對容易，只需要簡單的DATA STEP（必要時結合PROC SQL）即可完成；在R里可就真的是千辛萬苦... 雖然也有相應的aggregate, merge之類的函數，但是大都不太好用。這也是為什么大家常常把數據（尤其是數據大時）在別的環境下整好/分割好再喂給R。人家術業有專攻，數據管理真是有些難為它了。
2. 內存管理和平行處理（parallel processing/programming）都為人詬病。數據小時沒有感覺，數據大了就各種報錯... =. =
3. package的可靠性問題。我第一門完全使用R做作業的課是門統計課，教授已經六十多歲，見過各種統計軟件的出生發展和湮沒。她同我們說到R時第一句話就是Never use a package before you understand the manual and confirm the validity of the functions. 也就是包裹雖然好，使用需謹慎。主要原因還是在於開源。不常用的package一定要搞清楚函數的用法和核實過輸出，不然真的不推薦使用。我個人也是傾向非常用函數盡量自己寫，至少錯了也容易debug...
4. 不得不提的package的版本問題。 就算你確認了包裹的可靠性並熟知了各個變量要怎么用，還是可能掉入潛在的陷阱=. = 講個真事：去年工作的時候一個項目是使用11年某項目的一個貝葉斯模型分析新的數據。當年寫代碼的人因為相信末日說兩年前就已經辭職環游世界去了，於是我只好獨自研讀他的代碼。第一步，很自然的，就是重復當年的分析結果。這時發現當年他用的一個package和現在的R已經不兼容，於是就下載了這個package的最新版本。結果有一個簡單的credible interval怎么都重復不出來... 怎么怎么都重復不出來... 我都快絕望了。最后經各種推理驗證，發現這個區別源自於新舊版本的函數內部在對數據排序之后對NaN的不同處理... 而這個小小的修改未在任何地方留下任何文字記錄。所以怎么說呢... 很多時候還是寫自己的程序靠譜哇...
5. 當你跑比較大的simulation，對效率有要求的時候，有時還是不得不用C，這可能是10小時和10分鍾的差別，毫不誇張。

 

 

 

 

 

除了統計函數包外，對於常規運算，R基本上乏善可陳，語法晦澀，性能奇差；所以現在R大有被python取代的趨勢。
對於結構化數據計算，R的集合式語法和data frame對象已經被python的pandas包復制了，但是這兩者做的都還不夠好。這方面更有優勢的開發語言是esproc，提供了遠比data frame更強大的數據對象，同樣有集合式語法但更自然易懂，遍歷外存文件數據的的性能超過R的十倍以上。

下載了這本書的試讀的16頁，首先顏色排版看着是很舒服的，列子講解也比較詳細，並配有相應圖片。因為是初學者，所以很是希望看到書籍中具體事例，比如書中的燈泡的平均壽命那個，可是不知道能從事例弄出來的指數分布曲線圖分析出些什么（沒有統計分析的底子，看這些比較難，主要不知道最后怎么去應用）。
R語言對我來說難點就是沒有統計分析學背景，並且很多數學公式完全不知道怎么回事。對算法基本上算小白。不過時間充足的情況下這些都是可以攻克的。

1. 大家覺得R語言難學嗎？困擾你的主要是什么？
R語言非常易於入門，它的函數的使用很簡單，開發IDE的使用也很簡單。
我們最愛使用的是RStudio開發工具。
但是，精通R語言也有一些難點或者說是困擾，主要表現在：
1）R語言的包/庫極其龐大，有數千個，很多時候你並不知道該使用什么包/庫來解決問題。
2）正如第一點所說，庫太多，並不是所有的包/庫都是高質量的，使用某些庫分析數據得出的結果有可能是相互矛盾的。
3）R語言跟概率論和數理統計結合緊密，數學功底不深的話，難以精通R語言。

2. R可以實現數據分析中的哪些工作？
R語言可以實現數據分析中的絕大多數工作。
可以進行數學運算；
可以進行 統計和分析；
可以做快速傅里葉變換；
可以進行平滑和濾波；
可以做基線和峰值分析。
- 數據傳遞及服務（RHive、Rserve、rJava）
- 清洗及預處理（sqldf、stringr、XML）
- 抽樣、分類、關聯覎則、特征選擇、稀疏矩陣運算、矩陣分解、社交網絡
- 高性能計算（rhdfs、rmr2、Rcpp）
等等

3. 你曾經使用或編寫過R軟件包嗎？
曾經在某個項目中頻繁使用。后來用Python的數據分析包更多一些。
一句話，不限於R語言，快速解決問題是根本。

4. 說說您讀完試讀樣章后的啟發
樣章提供了第四章“隨機數與抽樣模擬”的內容，從這章的內容來看，書籍描述比較淺顯易懂，並沒有長篇大論的理論分析，而是以例子為主，伴隨講述了很多函數。不錯的書，渴望一讀。
從統計學本身來說，R與其他的軟件都是可以大大地增加生產力的輔助工具。並且R與商用軟件相比，着實有些寒磣。從樣章來看，不太喜歡這樣羅列各種功能的結構，如果能夠以一個案例的形式講解如何應用的具體場景，效果會更好些。

1如何掌握r
答：要想快速掌握R的最好方法是選擇一本叫好的參考書，跟着參考書學一遍即基本上學會R了，當然如果要想熟練使用，還是需要自己在實際的數據分析中多用多思考。
2實際數據分析中r使用有什么可以分享的經驗
答：實際分析中R的使用要具體問題具體分析。一般來講：（1）在讀入數據之前，先看一下每個變量的類型，是連續的還是離散的？往往離散的變量需要轉換成虛擬變量；（2）寫code過程中，勤加注釋，因為可能過幾個幾天都不認識自己寫的code了；（3）寫程序時盡量少用循環，能用矩陣運算盡量用矩陣運算。

3內存溢出如何辦
答：內存問題始終是限制R的一個問題之一。一般來講，加大內存是最好的方法，所以碰到海量數據時，建議一般用HPC（高性能計算機）去運算；另一方面看看有無可能優化自己的算法，尤其是不要有太多的循環，循環是R的薄弱環節。此外，還可以清理一些不用了的對象來釋放內存，如果真的需要大計算的話，可以看一些處理大內存對象與並行計算的軟件包等，比如bigmemory等。

4數據分析算法如何根據問題選擇
答：數據分析算法的選擇是非常復雜的一個問題，這個不僅僅是R的問題了，而是統計的問題，每種統計方法、算法都有其適用的條件，不是所有場合都套上去就可以了，所以學習R來說，其實最好是結合統計、數據分析的方法來學是最好的。

5異常數值和缺失數值如何處理
《R數據分析-方法與案例詳解》的第5章有講解，請參考。

6特征變量如何構造，衍生變量如何構造
《R數據分析-方法與案例詳解》的第5章有講解，請參考。

 

 

 

 

　　R的短板在於安全性與內存管理
　　說了這么多優勢，R語言當然也存在着一定不足。“內存管理、速度與效率可能是R語言面臨的幾大最為嚴峻的挑戰，”Adams指出。“在這方面，人們仍然需要努力推動——而且也確實正在推動——其進展與完善。此外，從其它語言轉投R懷抱的開發人員也會發現后者在某些設定上確實有些古怪。”
　　R語言的基本原理來自上世紀六十年代出現的各類編程語言，Peng解釋道。“從這個意義上講，R語言在設計思路上屬於一項古老的技術成果。”這種語言的設計局限有時候會令大規模數據集處理工作遇到難題，他強調稱。因為數據必須被保存在物理內存當中——但隨着計算機內存容量的不斷提升，這個問題已經在很大程度上得到了解決，Peng指出。
　　安全等相關功能並沒有被內置在R語言當中，Peng指出。此外，R語言無法被嵌入到網絡瀏覽器當中，Peng表示。“我們不能利用它開發Web類或者互聯網類應用程序。”再有，我們基本上沒辦法利用R語言當作后端服務器執行計算任務，因為它在網絡層面缺乏安全性保障，他表示。不過Amazon Web Services雲平台上的虛擬容器等技術方案的出現已經在很大程度上解決了此類安全隱患，Peng補充道。
　　長久以來，R語言當中始終缺少充足的交互元素，他表示。但以JavaScript為代表的各類編程語言介入其中並填補了這項空白，Peng指出。雖然我們仍然需要利用R語言處理分析任務，但最終結果的具體顯示方式則可以由JavaScript等其它語言來完成，他總結道。
　　R語言並不單純面向高端程序員
　　不過Adams與Peng都會R視為一種易於接受的語言。“我本人並沒有計算機科學教育背景，而且從來沒想過要當一名程序員。將編程基礎知識納入技能儲備當然很不錯，但這並不是上手R語言的必要前提，”Adams指出。
　　“我甚至並不認為R語言只適用於程序員。它非常適合那些面向數據並試圖解決相關問題的用戶——無論他們的實際編程能力如何，”他強調稱。

 

 

 

 http://www.itpub.net/thread-1913151-1-1.html

 

 

http://www.dataguru.cn/article-8508-1.html

摘要

盡管在工業界還是被 SAS 所統治，但是 R 在學術界卻得到廣泛的應用，因為其免費、開源的屬性使得用戶們可以編寫和分享他們自己的應用。然而，許多正在獲得數據分析相關學位的學生們由於缺乏 SAS 經驗的情況而在找工作的路上困難重重，與此同時，他們要面對從學校熟悉的 R向 SAS 轉型的痛苦。理想情況是，你需要知道所有可能的編程語言，工作的時候使用與工作情況最匹配的那個，當然這個基本上是痴人說夢。我們的目的就是展示這兩種差異巨大的語言各自優點，並且共同發揮他們的優勢，我們同時還要指出那些不使用 SAS 好多年的、現在正在使用  R語言的人們的一些誤解和偏見，因為他們已經很少關注 SAS 的發展和進步了。

 

前言

我們選取 SAS 和 R 的原因是因為他們是目前在統計領域中最有統治地位的兩個編程語言。 現在我們注意到一個不好的現象，就是在學術界重度使用R的用戶認為R在被SAS霸占的工業界有具有相當優勢的，然而熟練掌握這兩個軟件對於想在數據分析領域取得小有成就的年輕人來說很關鍵。教授誤解加上對某個軟件的偏好往往對學生有着不利的引導，因此需要在這里指出：教授們，別偷懶了，對某種語言的主觀偏好將會影響學生的錢途。

 

SAS經常有一些更新（有點慢），非SAS程序員由於沒有技術跟進往往並不知情。SAS繪圖模塊就是一個快速發展並成長的例子，然而許多人並不注意到這些升級以至於他們仍然固執的使用 R畫圖。SAS另一個不廣為人知的例子是SAS可以輕松自定義函數，這正是 R 的強項。這個SAS過程步（PROC）有全面的語法檢查、翔實的文檔和技術支持；然而一個新的使用者很可能不知道這些工具可用，或者根本不知道它們的存在。另外，SAS 還擁有卓越的培訓課程，網絡及用戶組分享資源，不同相關主題的大量書籍。知道並合理的使用這些技術以及工具 有助於減少使用 SAS的畏懼之心。

 

相關問題討論

本文就在我們學院碰到的一些共同誤解的地方，在此對比列出兩種語言的優缺點。當然還有更多的爭論在進行中，但是本文匯中我們將選取更為普遍的來進行討論。我們希望能夠消除誤解，並且盡可能地為那些不能及時跟進R或SAS的分析人士提供新的信息。

 

1.統計方法的新進展

 

SAS

優點：SAS 的軟件及 算法都是經過檢驗的，SAS 有技術支持去快速解決用戶的需求。 如果需要的話，SAS 會嘗試在已存在的步驟中嵌入新的方法，例如增加一個選項或者新增一個語句（statement），因此用戶不需要學習另外一個過程步。SAS也 會發布通訊來詳細說明軟件的更新。

Ÿ

缺點：更新升級較慢。

 

R

優點：用戶可以快速實施新方法，或者尋找已經存在的軟件包。很容易學習和理解新方法，因為學生們可以看到代碼中的函數。

 

缺點：R 文檔的更新都是通過用戶進行的，所以新的方法並沒有被很好調試和檢驗。 開發者們散布於各地，而並沒有在一起來進行團隊合作的開發。

 

在這個問題上，SAS 和 R 的優缺點是互補的。對於 R，有人認為它的代碼是開放的，可以看到 R 是如何工作的，這對於擁有相關背景的人是比較容易理解的。然而對於 SAS，它的過程步是預裝的，文件中對不同的語句（Statement）及選項（ Option） 存儲了大量的數學公式。如果用戶真的想看到底層程序，這個也是很容易實現的。對兩種語言的使用着者來說，不管是學生還是其它用戶，只是運行代碼的話對於兩種語言是沒有什么不同的。你運行SAS，不需要知道它在干什么，類似的是，你運行R時，也不需要知道它在后台調用的函數。你所做的就是按章操作而已。

 

2.畫圖

 

SAS

優點：SAS畫圖模塊正變得越來越靈活、精良和易於使用。在一些分析過程步（PROCs） 中，ODS Graphics可以自動的生成一些圖形，而不需要額外的代碼。這使得用戶多了一個選擇，即可以使用默認的圖表生成圖表，也可以自己來創造個性化的圖表。

 

缺點：圖形背后的模板語言（TL）是龐大及不易使用的，特別是對於新手來說。新的高級功能如交互式繪圖功能（ interactive graphs），對於新手來說也是難以掌握的。

 

R

優點：可以簡單的生成漂亮的圖表，還可以使用循環語句來生成動畫。

 

缺點：在 R 中圖表功能與統計分析無關，繪圖和分析是相互獨立的。用戶必須自己來決定什么樣的圖形是合適的，使用效果的好壞取決於用戶們的統計背景和喜好。盡管改變圖形去達到特別的維度或角度並不是一個簡單事兒。

 

SAS9.2 之前版本的圖表功能不足是 R 更吸引人的一個主要原因之一。R的一個較好的特性之一就是其圖表功能的高質量性和易用性。但是，當前 SAS/GRAPH 搭配 ODS Graphics 及 SG 過程在軟件中增加了制圖的能力。聯合使用 ODS graphics 和 PROCS 可以使用戶簡單地生成與分析相關的展示圖表。 特定的繪圖過程步如PROC SGPLOT，SGPANEL和SGSCATTER等越來越多，當然需要的一定代碼來實現。另外，SAS 中還有一些其他不錯的繪圖選擇，如 SGDESOGNER 和 SAS Enterprise Guide。

 

3.函數及可重復使用的代碼

 

SAS

優點：SAS有可在 DATA 和 PROC 步使用的大量函數和自定義函數。另外強大無所不能的、也可以被DATA步和PROC步使用的宏語言。宏變量可定義為局部或者全局類型。

 

缺點：編寫自定義函數和詳細的宏代碼需要深厚的編程知識來確保正確性。

 

R

優點：在 R 中編寫函數很簡單，用戶也可以通過上傳自己的函數到 R-CRAN 上與其 它用戶分享。

 

缺點：編寫自定義函數需要深厚的編程知識來確保正確性。變量是嚴格的局部變量。

 

在這一點上兩種軟件擁有類似的利弊。SAS 的早期用戶運行自己的定制函數主要取決於宏程序的編寫，這也是 R 用戶認為其低效及笨重的原因。然而，SAS 9 版本的 PROC FCMP允許用戶編寫個性化的函數，SAS 9.2 版本又允許用戶在 DATA 及 PROC 步中調用這些函數。 這對於簡單的統計函數是很有用的，對於更加復雜的統計函數也可以通過 IML 語言來實現。

 

SAS 及 R 兩種語言都面臨着怎樣有效地、正確的使用函數，這就需要用戶在函數編寫的過 程中擁有深厚的編程背景。從好的角度來說，一個程序員需要知道他們編寫的是什么；危險的是，其它人可以下載一個 SAS 宏或者 P 程序包來使用，盡管他們不知道其內在工作原理， 甚至不知道其正確性。所以，有了對宏及函數適當的了解，再來分享它們並應用於具體的需 求是很方便的。

 

4.免費軟件

 

SAS

優點：SAS 有OnDemand 版本的軟件，免費提供給學位頒發機構。

 

缺點：真正的 SAS 和 JMP 並不是免費的。OnDemand 版本對使用何種操作系統有一 些限制，而且據反映運行速度很慢。

 

R

優點：R 是完全免費。

 

缺點：開源軟件對於大公司來講都會有安全方面的擔憂。

 

SAS公司為教育機構提供的免費替代品可以保證教授們在課堂上的使 用。對於 OnDemand 的安裝過程和速度需要注意。總之，SAS 和 JMP 不是免費的，公司需要使用許 可來使用該軟件。R 可以免費的安裝，但許多參與論戰的博主們認為如果那些正在使用 SAS 的公司去使用 R，將會花費遠遠超過 SAS 授權費用的資源和財力，例如重寫代碼、構建新 的團隊、招聘新的專業人員等等。而且對於那些分析結果需要經得起嚴格檢驗要求的公司， 可能 SAS 更加適合。還沒有現存分析框架的小公司可以來探討是選擇歷史悠久、資源豐富的付費軟件（SAS），還是要選擇雖然免費、但是還需要其它先期投資（如員工的知識背景， 編寫及調試代碼）的軟件（R）。最終，從時間和金錢的角度來衡量，SAS 和 R 的花費可能 是基本接近的。

 

5.用戶支持

 

SAS

Ÿ優點：SAS 有豐富的網上參考資料，專業的技術支持，專業的培訓課程，許多優秀 的出版書籍，一個緊密的用戶組及網絡社區。SAS 的問題可以直接反映給技術支 持部門，他們會與用戶一起來解決。

Ÿ

缺點：真的沒想到。

 

R

優點：R 有很好的示例手冊，網上參考材料，R 郵件列表和 R 聚會。

 

缺點：用戶們取決於其它用戶對於軟件的看法及建議。因為 R 的開發者散布於全球 各地，所以全球的用戶是缺乏聯系的。程序包（Package）並不是由 R 軟件的開發 核心團隊來編寫的，所以導致了程序的不完善甚至有時候會對結果的正確性有所懷 疑。另外，很難去直接尋找一個針對具體問題的人員或者團隊。

 

SAS 所提供的卓越的支持是他們以客戶為中心設計產品的亮點。SAS 支持的優點對初 學者是理想的幫助，其大量的細節也使資深用戶受益匪淺。R 較為混亂的參考資料和匱乏的 技術支持在需要尋找幫助時困難重重。這違背了 R 的開發設計者的初衷。

 

6.數據處理

 

SAS

優點：SAS 可以處理任意類型和格式的數據。DATA 步的設計純粹就是為了數據的管 理，所以 SAS 擅長處理數據。利用豐富的選項，SAS 可以將大數據處理的很好，拼表以及 PROC  SQL 也可以減少運行時間。

 

缺點：在 DATA 步驟中 SAS 中的DATA步有非明示的循環算法，因此使用者的編程思維需要改變以符合SAS的運行邏輯。

 

R

優點：R 在最初就被認為是更加適合大數據的。它對於矩陣的操作和排序的設計是非 常高效的。R 也可以很好的進行各種基於分析的數據模擬。

 

缺點：R 的設計更加關注統計計算以及畫圖功能，所以數據的管理是比較耗時的，而 且不如在 SAS 中那么明晰。其中一個主要的原因就是：對於各種不同類型的數據，在 R 中進行很好的數據處理是比較難以掌握的。

 

數據處理的重要性經常在統計編程中被忽視了，但是它確實是非常關鍵的，因為實際的數據非常糟糕，不能直接應用於分析。純粹地使用 R 的學生們對於得到的數據往往有不切實際的期望，而學習 SAS 是一個有效的方法去解決怎樣整理原始的數據。SAS可以對大而繁雜的數據集進行管理和分析，而 R更着重於進行分析。

 

當處理復雜數據時，R 的面向對象的數據結構會遇到很多問題，並且R還缺乏一個內在的循環過程。在SAS中，應用標准化工具經常會進行如下操作：合並含有大量缺失數據的復雜數據集，再生成及修改其中的變量。而在R中，進行復雜的數據處理操作是沒有標准化的，而且經常會導致更加復雜的過程。

 

SAS與R軟件運行時間的快慢對比取決於任務。如SAS可以通過設置 MEMLIB，從而像R一樣使用內存(而非硬盤)來提升運行速度。但在R中，沒有這樣的硬件驅動，只能使用內存來執行。

 

7.安裝

 

SAS

優點：SAS所有的分析功能及授權都被整體打包在一起安裝。升級授權證書是非常容易。

 

缺點：首次安裝或升級到一個新的版本是很耗時且有點麻煩的。但是這比在課堂上向 學生們講述如何使用這個軟件簡單1000倍。現在越來越多的學生們在課堂上使用Macs系統的筆記本，但是SAS沒有Mac版，意味着這部分學生無法使用 SAS。

 

R

優點：R 和其最常用的用戶界面 RStudio 在 Window、Mac 和 Unix 環境下都很容易安 裝和打開，且安裝速度都很快。

 

缺點：運行必須知道滿足需求的程序包，然后搜索、安裝、了解具體功能。截止原文發表時，共有 4379 個可用程序包，這一數量還在每天增加。在提供了更多選擇的 同時，也增加了搜尋的時間和難度。

 

SAS 的獲得對用戶來說比較困難，首次安裝也是比較麻煩的。但是一旦安裝完成了， 有關軟件本身的問題就很少了，對於特別的分析，也不需要額外的程序包或者步驟了。R 中 相反，安裝非常簡單，但對於額外分析，需要另外安裝程序包，浪費了安裝軟件所節省的時 間。

 

8.報表

 

SAS

優點：SAS 通過很多有用的過程步來生成詳細漂亮的報表。

 

缺點：能提供更詳盡報表的過程如 TABULATE、REPORT 等，在能正確而有效的使用前，將為有一個艱難的學習曲線等待你跨越。

 

R

優點：報表方面，R擁有諸多利器。Sweave包可以創造包含文字、表格和圖形的 PDF 文件，其中圖形可以LaTeX 和 R 命令來裝扮。另一個新的程序包 Knitr 可以快速生成格式限制較少的網頁內容。

 

缺點：R 沒有一個模式化的方式來生成報表，所以需要在編程上花一些功夫。報表的生成對於 R 來說是一個比較新的方向，所以它不如 SAS 來的簡單和快速。在 R 中，Sweave 和 Knitr 是報表這方面的領先的程序包，但是學習起來也比較困難。

 

重度報表使用用戶應該了解這些以上不同，盡管學習 SAS 的報表功能需要花費一些時間，但是一旦掌握了就很有價值並有很高的靈活性。而從最基礎學習 R 的報表功能也許不需要像 SAS 那樣花那么多時間。

 

結論

我們可以看到解決 R 與 SAS 的辯論是三合一的。

 

第一，就像在任何一個統計編程社區 一樣，我們知道這個PK是沒有一個最終贏家。兩種軟件各有優缺點。他們有共存的必 要，而學術上的教學中，他們也有共存的必要。如果學生們能夠明確他們的需求並合理的應 用，那樣會獲得更好的效果。如果只給學生教授一種軟件是有局限性的，這樣會使他們難以 發揮學習另外一種軟件的潛力。

 

第二，用戶們需要保持他們的工具箱與時俱進。SAS 和 R 都有一些很不錯的 學習網站去介紹 的技術上的進步。 SAS 技術支持網站http://support.sas.com 有許多的動態，如 Focus Areas、E-newsletters、RSS 種子和博客。R 博客網站 http://www.r-bloggers.com 包含了許多用戶貢獻的新聞和練習。

 

第三，最理想的是學習 兩種軟件並將其融合於分析中。這里有許多方法可以嘗試，例如用 SAS 的 IML 和 SAS 的 IML/Studio（IML 是 SAS 的一個加載項）功能，或者通過使用 SAS X Statement 執行外部命 令，使 R 代碼在 SAS 中轉化成 SAS 命令來運行。對於 R 的用戶們，通過轉化 R 到 SAS 的 用戶界面，可以同時使用 2 種軟件。通過使用兩種軟件可以使處理及分析數據變得事半功倍，而且使所有的用戶都滿意。