Extensible:
Los usuarios
lo pueden extender definiendo sus propias funciones, aparte de las de las
numerosas bibliotecas preconstruidas que tiene. La mayor parte de ellas están
escritas en R, aunque para algoritmos computacionalmente exigentes es posible
desarrollarlas en C, C++ o Fortran. Como es un proyecto colaborativo y abierto,
los propios usuarios pueden publicar paquetes que extienden su configuración
básica.
Funcional
Las funciones
en R se pueden manipular igual que los vectores. Además puedes asignar las
funciones a variables, almacenarlas en listas, devolverlas como resultados de
otras funciones o incluso pasarlas como argumentos de otras funciones
Orientado a
Objetos:
¡Sí! Además
de ser funcional, es orientado a objetos, en realidad es una mezcla de ambos
paradigmas. En el caso de del segundo de ellos, R nos permite modelar conceptos
del mundo real relevantes a nuestro problema, representándolos como clases y
objetos que podemos hacer que interactúen entre sí.
Integrable:
Ofrece
múltiples posibilidades para atacar a datos almacenados en distintos tipos de
bases de datos. También presenta múltiples bindings y paquetes que permiten a R
interactuar con otros lenguajes (como Perl, Ruby o Python) e intercambiar
objetos con ellos.
Gráficos
avanzados:
Existen
librerías para R que permiten generar una extensa variedad de gráficos, desde
la completísima ggplot2hasta otras más simples pero también potentes como
corrplot
Diferentes
Interfaces gráficos:
Si bien R se
puede utilizar a través de línea de comandos, existen varios editores gráficos
muy interesantes capaces de correr en Windows, Linux y MacOS. Desctacamos especialmente R Studio y
R Commander.
Interpretado
y no compilado:
A diferencia
de C, C++ ó Java, no tenemos que compilar nuestro código, sino que el
intérprete de R lo ejecuta directamente. Lo curioso de esto es que, puesto que
muchas de sus rutinas computacionalmente más exigentes están escritas en C ó
C++, muchas veces, sin que nos demos cuenta, se estará ejecutando, entre
bambalinas, código compilado en esos lenguajes.
Basado en
memoria:
R mantiene
todos los objetos que definimos en nuestro programa en la memoria de nuestra
máquina. Por ello, es importante entender cómo gestiona la memoria, para poder
optimizar nuestro código. Así evitamos, por ejemplo, copias innecesarias de
objetos que pueden ralentizarlo y hacer llegar a un límite nuestra máquina.
Qué podemos
hacer con R:
Este lenguaje
de programación fue concebido para el análisis estadístico, aunque también se
utiliza en la minería y análisis de datos, investigación biomédica,
bioinformática, machine learning… Esto es porque proporciona un amplio abanico
de herramientas estadísticas y gráficas, además de tener una gran potencia como
herramienta de cálculo.
Aprender R
En datahack,
R es uno de los lenguajes de Big Data & Analytics que enseñamos a usar, de
forma 100% práctica, en nuestro máster.
Comentarios
Publicar un comentario