R 语言的优劣势是什么？

就一个R和SAS精通程度几乎相同，在两种环境下都做过比较大（moderately big, ~xx Gb）的数据分析，与其他语言环境嵌合（SQL, Perl, etc...）使用过的个人（统计专业人员，非编程专业人员）的感受而言：

R的优点：

1. 免费... 开源... （这是最重要的一点好不好，也是SAS流行于公司，R流行于研究机构和大学的最主要原因）

2. 是专门为统计和数据分析开发的语言，各种功能和函数琳琅满目，其中成熟稳定的一抓一把

3. 语言简单易学。虽与C语言之类的程序设计语言已差别很大（比如语言结构相对松散，使用变量前不需明确正式定义变量类型等等），但仍保留了程序设计语言的基础逻辑与自然的语言风格。我这样说可能让人听得云里雾里，但是如果你对SAS或者SPSS有一点点了解，就会明白我的意思了...

4. 小... 安装程序只有50Mb左右，比起某些死贵且3个G的付费软件真的是超级迷你小巧玲珑... 因为体积轻便，运行起来系统负担也小。

5. 同各种OS的兼容性好。我两台本本一台Windows，一台Linux，都用得很顺手。相比之下，你有见过人在Mac上用SAS吗... 这人是要多么的想不开... =. =

6. 因为用的人越来越多，又是开源，有很多配套的“插件”为其锦上添花。比如xtable里有一个函数可以直接将R里的表格导出为TeX格式；另有RStudio的插件让你可以在同一个环境里写TeX跑R并可在你的TeX文件中插入你的R代码，多么的贤良淑德... （这个插件我没用过，不过我同学一天到晚在用）

7. 有R GUI和RStudio两种风格供君选择，说实话我觉得这两种风格已经涵括了大多数人的使用偏好...

8. 已经提过了开源，还想再强调一下。各种包和函数的透明性极好，这使得对函数的调整和改良变得非常便利。只需要把源码调出来，自己稍微修改一下就可以了。这种事情放在任何其他统计软件里都近乎奢望。

9. 如果你做Bayesian，用R你有OpenBUGS, WinBUGS, JAGS等各种成熟活泼的包裹，很多语言又简单又附带各种预设的plot，你只需调用即可；还可以自己写MCMC。如果你用SAS/SPSS/Stata，你可以... @@? = =bbb

10. 漂亮又灵活的图，大家也都已经讲过了。原本不是什么特别突出的长处（有则好，没也没啥），不过现在数据可视化越来越热，也就一跃成为主要优点了。

说说缺点：

1. 对大文本（text data）处理极差... 或者说data management本就不是R的强项。SAS于R的最大优势之一可能就在于它兼顾了数据分析和数据管理。在SAS里对数据进行各种复杂操作都相对容易，只需要简单的DATA STEP（必要时结合PROC SQL）即可完成；在R里可就真的是千辛万苦... 虽然也有相应的aggregate, merge之类的函数，但是大都不太好用。这也是为什么大家常常把数据（尤其是数据大时）在别的环境下整好/分割好再喂给R。人家术业有专攻，数据管理真是有些难为它了。

2. 内存管理和平行处理（parallel processing/programming）都为人诟病。数据小时没有感觉，数据大了就各种报错... =. =

3. package的可靠性问题。我第一门完全使用R做作业的课是门统计课，教授已经六十多岁，见过各种统计软件的出生发展和湮没。她同我们说到R时第一句话就是Never use a package before you understand the manual and confirm the validity of the functions. 也就是包裹虽然好，使用需谨慎。主要原因还是在于开源。不常用的package一定要搞清楚函数的用法和核实过输出，不然真的不推荐使用。我个人也是倾向非常用函数尽量自己写，至少错了也容易debug...

4. 不得不提的package的版本问题。 就算你确认了包裹的可靠性并熟知了各个变量要怎么用，还是可能掉入潜在的陷阱=. = 讲个真事：去年工作的时候一个项目是使用11年某项目的一个贝叶斯模型分析新的数据。当年写代码的人因为相信末日说两年前就已经辞职环游世界去了，于是我只好独自研读他的代码。第一步，很自然的，就是重复当年的分析结果。这时发现当年他用的一个package和现在的R已经不兼容，于是就下载了这个package的最新版本。结果有一个简单的credible interval怎么都重复不出来... 怎么怎么都重复不出来... 我都快绝望了。最后经各种推理验证，发现这个区别源自于新旧版本的函数内部在对数据排序之后对NaN的不同处理... 而这个小小的修改未在任何地方留下任何文字记录。所以怎么说呢... 很多时候还是写自己的程序靠谱哇...

5. 当你跑比较大的simulation，对效率有要求的时候，有时还是不得不用C，这可能是10小时和10分钟的差别，毫不夸张。

6. 想不出来乐 =w=

大致就是这样。

最后，因为不是学计算机出身，文中与编程语言和系统相关的措辞可能不准确或有误用，请程序员们多包涵=)

作为一个资深的数据从业者，我和同事们一起讨论过相关工具的优劣是：

R语言

优点：

1. 免费/包多，上手快，还有其他提到的；
2. 我们使用下来R最好功能是：画图，（ggplot2，plotly，shiny，ggmap，用起来真的很方便），ggplot2画静态图，plotly画交互图、shiny可以用网页交互，ggmap画地图类可视化；
   
3. 基于内存，训练速度还算快，代码量少；
4. 开源，开发者还不少，是个不断壮大的社区，并且也发展的比较成熟了；
5. 轻量，使用数据量相对少的模型项目，几个G的数据，用16G内存的电脑吃得消；
6. Rstudio用起来真的挺好的，界面非常友好，是个很优秀的IDE；

缺点：

1. 很多人懂R语言，写出来的代码速度非常慢，特别是有些人老是喜欢写循环，我想说的是R语言恨透了循环。毕竟不是每个人都会用Rcpp写代码的；
   
2. 目前主流的DeepLearning的包都没有相关的R package，而python通吃；R现在只有一个明星产品mxnet，h2o勉强算1/4；
3. 数据量足够大了之后，R肯定是不适合了，内存要爆掉的；
4. R的package非常的泛，开发包的人水平参差不齐，很多package都没有持续的更新，很多bug都没有修复（python相对来说会好很多，sklearn持续更新）
5. 如果是在服务器上安装R的package，你想死的心都有，因为依赖、依赖、依赖啊，在不能联网的服务器上，你要手工的把依赖、依赖、依赖包都线安装好，心真累；

给个R，我个人收集的一些资料，有一些常用的入门书籍和一些常用的R的blog：

[http://github.com/pjpan/DataScience]

另外，机器学习常用的包罗列如下，精通了这些基本上够用了；

有个链接收藏了很多R相关的内容：

• data.table（fread，load速度最快，有个缺点，有时候识别不出有些数值型变量）
• readr
• caret
• dplyr
• tidyr
• lubridate（处理日期最好用的包，R的时间处理实在是太复杂了）
• ggplot2（图画界的王者 ）
• plotly（交互图，鼠标hover上面可以看到图上的数值）
• ggmap（很多时候需要翻墙，需要用到googlemap，其他替代方面，网络上有）
• gbm（要被替代掉了，xgboost已经横行工业界了）
• xgboost（目前的算法王者，回归、分类、排序通吃）
• randomforest（速度太慢了，跑模型的时候可以去喝个下午茶）
• glmnet（L1,L2毫无压力）
• libsvm(e1071)（需要很有耐心，训练速度很慢；）