Moim zamiarem w tej sekcji nie jest zapewnienie kompleksowego porównania między R i innym oprogramowaniem, ale po prostu wskazanie kilku najbardziej zauważalnych funkcji R. Jeśli możesz, zachęcam do samodzielnego przetestowania innego oprogramowania, abyś wiedział z pierwszej ręki, jakie może być najlepsze narzędzie do wykonywanej pracy. Najbardziej zauważalną cechą języka R w porównaniu z innymi programami statystycznymi, takimi jak SAS, Stata, SPSS, a nawet Python, jest bardzo duża liczba dostępnych pakietów. W sieci The Comprehensive R Archive Network (CRAN) opublikowano prawie 12 000 pakietów i nie obejmuje to pakietów opublikowanych w innych miejscach, takich jak repozytoria Git. Dzięki temu R może mieć bardzo dużą społeczność i ogromną liczbę narzędzi do analizy danych w takich obszarach, jak finanse, matematyka, uczenie maszynowe, obliczenia o wysokiej wydajności i wiele innych. Z wyjątkiem Pythona, R ma znacznie więcej możliwości programistycznych niż SAS, Stata, SPSS, a pod pewnymi względami nawet większe niż Python (na przykład w R można używać różnych modeli obiektowych). Jednak wydajne i efektywne użycie języka R wymaga użycia kodu, co dla niektórych osób oznacza stromą krzywą uczenia się, podczas gdy Stata i SPSS mają graficzne interfejsy użytkownika, które prowadzą użytkownika przez wiele zadań za pomocą kreatorów typu „wskaż i kliknij”. Moim zdaniem to trzymanie się za rękę, choć przyjemne dla początkujących, szybko staje się ważnym ograniczeniem dla osób pragnących stać się średnio zaawansowanymi i zaawansowanymi użytkownikami, i właśnie w tym miejscu naprawdę widać zalety programowania. R ma jeden z najlepszych systemów graficznych spośród wszystkich istniejących programów. Najpopularniejszym pakietem do tworzenia wykresów w R, z którego będziemy intensywnie korzystać, jest pakiet ggplot2, ale jest też wiele innych świetnych pakietów graficznych. Ten pakiet umożliwia modyfikację praktycznie każdego aspektu wykresu poprzez gramatykę graficzną i znacznie przewyższa wszystko, co widziałem w SPSS, Stata, SAS, a nawet Pythonie. R to świetne narzędzie, ale nie jest odpowiednie do wszystkiego. Jeśli chcesz przeprowadzić analizę danych, ale nie chcesz poświęcać czasu na naukę programowania, lepszym rozwiązaniem może być oprogramowanie takie jak SAS, Stata lub SPSS. Jeśli chcesz opracować oprogramowanie analityczne, które można bardzo łatwo zintegrować z większymi systemami i które musi być podłączone do różnych interfejsów, Python może być lepszym narzędziem do tego zadania. Jeśli jednak chcesz wykonać wiele złożonych analiz danych i wykresów, a spędzasz głównie czas na tych obszarach, R to świetny wybór.