R (linguagem de programação)

R
Paradigma	multi-paradigma: sequencialização, orientado a objectos, imperativo, dinâmico, processual, recíproco
Surgido em	1993
Última versão	2.15.3 (1 de março de 2013)
Criado por	Ross Ihaka e Robert Gentleman
Influenciada por	S
Licença:	GPL
Página oficial	www.r-project.org

R é uma linguagem e um ambiente de desenvolvimento integrado, para cálculos estatísticos e gráficos.

Foi criada originalmente por Ross Ihaka e por Robert Gentleman no departamento de Estatística da universidade de Auckland, Nova Zelândia, e foi desenvolvido por um esforço colaborativo de pessoas em vários locais do mundo .

O nome R provêm em parte das iniciais dos criadores e também de um jogo figurado com a linguagem S (da Bell Laboratories, antiga AT&T).

R é uma linguagem e ambiente similar ao S - pode ser considerado uma implementação distinta do S; embora com importantes diferenças, muitos códigos escritos para o S rodam inalterados no R. A implementação comercial de S é S-PLUS.

O código fonte do R está disponível sob a licença GNU GPL e as versões binárias pré-compiladas são fornecidas para Windows, Macintosh, e muitos sistemas operacionais Unix/Linux.

R é também altamente expansível com o uso dos pacotes, que são bibliotecas para funções específicas ou áreas de estudo específicas.

Um conjunto de pacotes é incluído com a instalação de R, com muito outros disponíveis na rede de distribuição do R (em inglês CRAN).

A linguagem R é largamente usada entre estatísticos e data miners para desenvolver software de estatística e análise de dados. Inquéritos e levantamentos de data miners mostram que a popularidade do R aumentou substancialmente nos últimos anos.

Ferramentas de produtividade

Existem diversas GUI para R, incluindo JGR, RKWard, SciViews-R, Rcmdr e, mais recentemente, RStudio. Muitos editores oferecem recursos que facilitam o trabalho com o R: Emacs, Vim, jEdit, Kate, Tinn-R GUI/Editor, entre outros. Existem plug-ins para uso com a IDE Eclipse e Vim vim-r-plugin2.

Software construído de modo colaborativo, com novos pacotes e GUIs incluídos a cada intervalo de tempo, antecipando-se até a alguns outros pacotes proprietários, como o complemento com o teste de Scott-Knott para a Análise de Variâncias ANOVA.

Recursos estatísticos

A R disponibiliza uma ampla variedade de técnicas estatísticas e gráficas, incluindo modelação linear e não linear, testes estatísticos clássicos, análise de séries temporais (time-series analysis), classificação, agrupamento e outras. A R é facilmente extensível através de funções e extensões, e a comunidade R é reconhecida pelos seus contributos ativos em termos de pacotes. Existem diferenças importantes, mas muito código escrito para S corre inalterado. Muitas das funções padrão do R são escritas no próprio R, o que torna fácil para os usuários seguir as escolhas algorítmicas feitas. Para tarefas computacionais intensivas, os códigos C, C++, e Fortran podem ser ligados e chamados durante a execução. Usuários experientes podem escrever código C ou Java para manipular diretamente objetos R.

O R é fortemente extensível através do uso de pacotes enviados pelo utilizador para funções específicas ou áreas específicas de estudo. Devido à sua herança do S, o R possui fortes recursos de programação orientada por objetos, mais que a maioria das linguagens de computação estatística. Ampliar o R também é facilitado pelas suas regras de contexto lexical.

Outra força do R são os gráficos estáticos, que podem produzir imagens com qualidade para publicação, incluindo símbolos matemáticos. Gráficos dinâmicos e interativos estão disponíveis através de pacotes adicionais.

O R tem a sua própria documentação em formato LaTeX, a qual é usada para fornecer documentação de fácil compreensão, simultaneamente on-line em diversos formatos e em papel.

Recursos de programação

A R é uma linguagem interpretada tipicamente utilizada através de um Interpretador de comandos. Se um usuário escreve "2+2" no comando de inserção e pressiona enter, o computador responde com "4", conforme se mostra abaixo:

> 2+2
[1] 4

Como muitas outras linguagens, a R suporta matrizes aritméticas. A estrutura de dados da R inclui escalares, vetores, matrizes, quadros de dados (similares a tabelas numa base de dados relacional) e listas. O sistema de objetos da R é extensível e inclui objectos para, entre outros, modelos de regressão, séries temporais e coordenadas geoespaciais.

A R suporta programação processual com funções e, para algumas funções, programação orientada a objetos com funções genéricas. Uma função genérica atua de forma diferente dependendo do tipo de argumentos que é passado. Por outras palavras a função genérica determina (dispatches) a função (método) específica para aquele tipo de objeto. Por exemplo, a R tem uma função genérica print() que pode imprimir quase qualquer tipo de objeto em R com uma simples sintaxe "print(nomedoobjeto)".

Enquanto a R é maioritariamente usada por estatísticos e outros utilizadores que requerem um ambiente para computação estatística e desenvolvimento de software, pode ser igualmente usada como uma caixa de ferramentas para cálculo matricial geral com benchmarks de desempenho comparáveis ao GNU Octave ou ao MATLAB.

Exemplos

Exemplo 1

Os seguintes exemplos ilustram a sintaxe básica da língua e o uso do interface de linha de comando.

Na R, o largamente preferido operador de atribuição é uma seta formada por dois carateres "<-", embora "=" possa ser usado em sua vez.

> x <- c(1,2,3,4,5,6)   # Create ordered collection (vector)
> y <- x^2              # Square the elements of x
> print(y)              # print (vector) y
[1]  1  4  9 16 25 36
> mean(y)               # Calculate average (arithmetic mean) of (vector) y; result is scalar
[1] 15.16667
> var(y)                # Calculate sample variance
[1] 178.9667
> lm_1 <- lm(y ~ x)     # Fit a linear regression model "y = f(x)" or "y = B0 + (B1 * x)" 
                        # store the results as lm_1
> print(lm_1)           # Print the model from the (linear model object) lm_1
 
Call:
lm(formula = y ~ x)
 
Coefficients:
(Intercept)            x  
     -9.333        7.000 
 
> summary(lm_1)          # Compute and print statistics for the fit
                         # of the (linear model object) lm_1
 
Call:
lm(formula = y ~ x)
 
Residuals:
1       2       3       4       5       6
3.3333 -0.6667 -2.6667 -2.6667 -0.6667  3.3333
 
Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  -9.3333     2.8441  -3.282 0.030453 *
x             7.0000     0.7303   9.585 0.000662 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
Residual standard error: 3.055 on 4 degrees of freedom
Multiple R-squared: 0.9583,     Adjusted R-squared: 0.9478
F-statistic: 91.88 on 1 and 4 DF,  p-value: 0.000662
 
> par(mfrow=c(2, 2))     # Request 2x2 plot layout
> plot(lm_1)             # Diagnostic plot of regression model

Exemplo 2

Código R curto calcula o modelo de Mandelbrot (Mandelbrot set) através das primeiras 20 iterações da equação z = z² + c mapeados para diferentes constantes complexas c. Este exemplo demonstra:

• O uso de livrarias externas (chamadas pacotes) desenvolvidas pela comunidade, neste caso, o pacote caTools
• Manipulação de número complexo.
• Matrizes multidimensionais de números usados como tipos de dados básicos, ver variáveis C, Z e X.

library(caTools)         # external package providing write.gif function
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", 
                                 "yellow", "#FF7F00", "red", "#7F0000")) 
m <- 1200                # define size
C <- complex( real=rep(seq(-1.8,0.6, length.out=m), each=m ), 
              imag=rep(seq(-1.2,1.2, length.out=m), m ) ) 
C <- matrix(C,m,m)       # reshape as square matrix of complex numbers
Z <- 0                   # initialize Z to zero
X <- array(0, c(m,m,20)) # initialize output 3D array
for (k in 1:20) {        # loop with 20 iterations
  Z <- Z^2+C             # the central difference equation  
  X[,,k] <- exp(-abs(Z)) # capture results
} 
write.gif(X, "Mandelbrot.gif", col=jet.colors, delay=100)

Exemplo 3

## Leitura do conjunto de dados. Também pode-se usar read.csv() quando os dados estiverem em arquivos .csv
dados <- read.table("escreva a localização do arquivo...", header=TRUE) %colunas com tratamentos (tratam c/ titulo) e n-linhas (repet).
 
## Preparação de dados
dados.vetor <- c(dados$trat1, dados$trat2, dados$trat3, dados$trat4) %pode ser com qualquer quantidade de tratamentos.
N <- gl(trat, repeticoes) %escreva o número de tratamentos e o tratamento com maior número de repetições.
dados.vert <- data.frame(N, dados.vetor)
fator <- factor(Loc) % fatores são variáveis tratadas como variáveis categóricas no R. 
 
## Cáculo da tabela ANOVA
pre_anova <- aov(dados.vetor~fator)
ANOVA <- summary(pre_anova) 
 
## Fazendo teste de Tukey, teremos:
TukeyHSD(pre_anova, ordered=TRUE)
plot(TukeyHSD(bruto.aov, ordered=TRUE))
 
sk5 <- SK(x=dados, y=dados.vert$dados.vetor, model="y~fator", which="fator",sig.level=0.05)
summary(sk5)

Cortesia de: dennismarinho@bol.com.br

Pacotes

As capacidades da R são estendidas através de pacotes criados pelo usuário, que permitem técnicas estatísticas especializadas, dispositivos gráficos, capacidades de importação/exportação, ferramentas de relatórios, etc. Estes pacotes são primeiro desenvolvidos em R, e por vezes em Java, C e Fortran. Um conjunto básico de pacotes são incluídos com a instalação do R, com 5300 pacotes adicionais (a partir de abril 2012) disponíveis em Comprehensive R Archive Network (CRAN), Bioconductor, e outros repositórios.

A página "Task Views"(lista de assuntos) no website da CRAN lista a vasta gama de aplicações (Finança, genética, aprendizagem de máquinas, imagiologia médica, ciências sociais e estatísticas espaciais) nos quais R tem sido aplicada e para que pacotes está disponível.

Outros recursos do pacote R incluem Crantastic, um site comunitário para avaliação e revisão de todos os pacotes CRAN, e também R-Forge, uma plataforma central para o desenvolvimento colaborativo de pacotes R, software relacionado com R, e projetos. Tem muitos documentos não publicados, pacotes beta e versões de desenvolvimento de pacotes CRAN.

O projeto Bioconductor disponibiliza pacotes R para a análise de dados genómicos, tais como Affymetrix e cDNA de análise e manipulação de dados orientadas a objetos, e começou disponibilizar ferramentas para a análise de dados da próxima geração de métodos de alto rendimento de sequenciação.

A pesquisa reprodutível e geração automática de relatórios pode ser realizada com pacotes que suportam a execução de código R incorporado em LaTeX, OpenDocument format e outros marcadores (markups).

Acelerador e eficiência de memória

Teste é um pacote jit que disponibiliza compilação JIT, e outro pacote compilador que oferece um compilador de byte-code para o R.

Existem diversos pacotes (snow, multicore, parallel) que disponibilizam paralelismo para o R [1].

O pacote ff economiza memória arquivando dados no disco [2]. As estruturas de dados comportam-se como se estivessem na RAM. O pacote ffbase disponibiliza funções estatísticas básicas para o 'ff'.

Marcos

A lista completa de alterações é mantida no ficheiro NEWS. Alguns destaques estão listados abaixo.

• Versão 0.16 – Esta é a última versão alpha desenvolvida incialmente por Ihaka e Gentleman. Muitas das funcionalidades básicas do "White Book" (ver S history) foram implementadas. As listas de discussão começaram em 1de april 1 de 1997.
• Versão 0.49 – 23 de abril 23 de 1997 – Esta é a mais antiga versão da fonte disponível, e compila num número limitado de plataformas Unix. O CRAN começou nesta data, com 3 mirrors que hospedavam inicialmente 12 pacotes. As versões Alpha do R para Microsoft Windows e Mac OS ficaram disponíveis pouco tempo depois desta versão.
• Versão 0.60 – 5 de dezembro de 1997 – O R torna-se oficialmente parte do projeto GNU . O código é alojado e mantido no CVS.
• Versão 1.0.0 – 29 de fevereiro de 2000 – Foi considerado pelos seus criadores suficientemente estável para utilização produtiva.[25]
• Versão 1.4.0 – Os métodos S4 são introduzidos e a primeira versão para Mac OS X ficou disponível logo após.
• Versão 2.0.0 – 4 de outubro de 2004 – Foi introduzida a lazy loading, que permite o carregamento rápido de dados com um mínimo de dispêndio de memória do sistema.
• Versão 2.1.0 – Suporte para codificação UTF-8, e o início da internacionalização e localização para diferentes linguagens.
• Versão 2.11.0 – 22 de abril de 2010 – Suporte para sistemas Windows de 64 bits.
• Versão 2.13.0 – 14 de abril de 2011 – Adiciona uma nova função de compilação que permite acelerar funções convertendo-as em byte-code.
• Versão 2.14.0 – 31 de outubro de 2011 – Adicionados namespaces obrigatórios para os pacotes. Adicionado um novo pacote paralelo.
• Versão 2.15.0 – 30 de março de 2012 – Novas funções de balanceamento de carga. Melhorada a velocidade de seriação para vetores longos.

Interfaces

Interfaces de usuário gráficas

• RGUI – vem com uma versão pré-compilada do R para Microsoft Windows.
• Tinn-R[3]– Um ambiente de desenvolvimento em fonte aberta altamente capaz e integrado com destaque para a sintaxe semelhante à do MATLAB. Apenas disponível para Windows
• Java Gui for R – multi-plataforma independente de terminais R e editor baseado em Java (também conhecido como JGR).
• Deducer[4] – Interface de usário gráfica para o menu de análise de dados orientado (similar ao SPSS/JMP/Minitab).
• Rattle GUI – multi-plataforma de interface de usuário gráfica baseada no RGtk2 e especificamente criada para data mining.
• R Commander – multi-plataforma baseada em menus orientados sobre interface de usário gráfica baseada no tcltk (vários plug-ins para Rcmdr também estão disponíveis).

• RapidMiner
• RExcel – usando R e Rcmdr a partir do Microsoft Excel.
• RKWard – Interface de usário gráfica extensível e IDE para R.
• RStudio – multi-plataforma de fonte aberta IDE (que também pode ser corrida num servidor remoto linux).
• A Revolução Analítica [5] disponibiliza um Visual Studio baseado em IDE e tem planos para pontos baseados na web e interfaces de click.
• Weka permite a utilização de recursos de mineração de dados em Weka e análise estatística em R.
• Existe um número especial do Journal of Statistical Software (de junho de 2012) que discute as interfaces de usuário gráficas para o R [6].

Editores e IDEs

Editores de texto e ambientes integrados de desenvolvimento (IDEs) com algum suporte para R incluem: Bluefish, Crimson Editor, ConTEXT, Eclipse (StatET), Emacs (Emacs Speaks Statistics), LyX (módulos para knitr e Sweave), Vim, Geany, jEdit, Kate, R Productivity Environment (parte da Revolution R Enterprise), RStudio, TextMate, gedit, SciTE, WinEdt (R Package RWinEdt) e Notepad++.

Linguagens de Script

As funcionalidades do R foram tornadas acessíveis a partir de diversas linguagens de script como a Python (pelo pacote de interface do RPy ), Perl(pelo módulo Statistics::R ), e Ruby (com o rsruby rubygem). PL/R pode ser usado juntamente, ou em vez da linguagem de script PL/pgSQL no sistema de gestão de bases de dados PostgreSQL e Greenplum. Scripts no próprio R são possíveis via littler bem como via Rscript.

useR! conferências

"useR!" é o nome dado à reunião anual oficial dos usuários do R. O primeiro destes eventos foi o useR! 2004 em maio de 2004, em Viena de Áustria. Depois de saltar 2005, a conferência useR tem tido lugar anualmente, alternando habitualmente entre localizações na Europa e na América do Norte.

Esta é lista das conferências useR!:

• useR! 2004, Viena, Áustria
• useR! 2006, Viena, Áustria
• useR! 2007, Ames, Iowa, Estados Unidos da América
• useR! 2008, Dortmund, Alemanha
• useR! 2009, Rennes, França
• useR! 2010, Gaithersburg, Maryland, Estados Unidos da América
• useR! 2011, Coventry, Reino Unido
• useR! 2012, Nashville, Tennessee, Estados Unidos da América
• useR! 2013, Albacete, Espanha

Comparação com SAS, SPSS e Stata

O consenso geral é que o R se compara bem com outros populares pacotes estatísticos, tais como SAS, SPSS e Stata. Em janeiro de 2009, o New York Times publicou um artigo sobre o aumento de aceitação do R entre os analistas de dados e apresentando uma potencial ameaça para a quota de mercado ocupada por pacotes estatísticos comerciais, como o SAS.

Suporte comercial para o R

Em 2007, a Revolução Analítica foi fundada para disponibilizar suporte comercial para a Revolução R, a sua distribuição do R, que também inclui componentes desenvolvidos pela companhia. Os principais componentes adicionais incluem: ParallelR, o ambiente de produtividade IDE para o R, RevoScaleR (para análise de grandes dados), RevoDeployR, quadro de serviços web, e a capacidade para ler e escrever dados no formato de ficheiro SAS.

Em outubro de 2011, a Oracle anunciou o Big Data Appliance, que integra o R, o Apache Hadoop, o Oracle Enterprise Linux, e uma base de dados NoSQL com o hardware Exadata. O Oracle R Enterprise é agora um dos dois componentes do "Oracle Advanced Analytics Option" (o outro componente é o Oracle Data Mining).

Outros grandes sistemas de software comercial que suportam conexões ou integração com o R incluem: JMP, Mathematica, MATLAB, Spotfire, SPSS, STATISTICA, Platform Symphony, e SAS .

TIBCO, o atual proprietário da linguagem S-Plus, está a permitir que alguns dos seus empregados apoiem ativamente o R participando na sua lista de discussão R-Help (anteriormente mencionada), e pelo patrocínio da série useR das reuniões de grupos de usuários. A Google é um grande utilizador interno do R e publica um guia de estilo. Patrocina os projetos R nos seus trabalhos Summer-of-Code, e também suporta financeiramente as séries de reuniões useR.

RStudio oferece software, educação e serviços para a comunidade R.

Tutorial Rápido

Para sair do R, digitar q().

Para procurar qualquer coisa, digitar help.search("qualquer coisa").

Normalmente, essa procura vai mencionar a biblioteca necessária para rodar a função. Para carregar a biblioteca, digitar library("biblioteca").

É possível escrever comandos em um arquivo e executá-lo, basta digitar source("arquivo").

summary(variavel) dá várias informações sobre a variável. Outra forma de obter (ainda mais) informações é digitando variavel[].

getwd e setwd são usados para informar e alterar o diretório de trabalho.

Para buscar ajuda na Internet sobre algum conceito:

RSiteSearch("conceito")

Ver também

• Gretl
• GNU Octave
• EViews
• IGEst
• Stata
• JMulTi
• PSPP
• Comparação de pacotes estatísticos

Ligações externas

• The R Project for Statistical Computing Página oficial
• The CRAN (Comprehensive R Archive Network) Project Download dos arquivos
• Pacotes do CRAN no repositório da Fiocruz
• Web-based interface to R Interface Web
• Tutorial de R LEG: Laboratório de Estatística e Geoinformação da UFPR
• The R Reference Manual - Base Package para os interessados no desenvolvimento do R
• R Wiki Contribuição dos usuários para a documentação R e outras informações (em inglês)
• R Gráficos Vários Gráficos Produzidos com o R
• Un wiki sur R en français
• Robert Gentleman's site
• Ross Ihaka's site
• Rcmdr, an open source GUI for R
• List of IDEs and script editors for R
• Tinn-R, GUI/Editor avançado e open source para o R (apenas disponível sob Windows)