R (linguagem de programação)

R
Paradigma	multi-paradigma: sequencialização, orientado a objectos, imperativo, dinâmico, processual, recíproco
Surgido em	1993
Última versão	3.2.3 (10 de dezembro de 2015)
Criado por	Ross Ihaka e Robert Gentleman
Influenciada por	S
Licença:	GPL
Página oficial	www.r-project.org

R é uma linguagem e também 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 em 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 um ambiente similar ao S - podendo ser considerado uma implementação distinta do S embora com algumas diferenças importantes. Muitos códigos escritos para o S podem ser executados 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 analistas de dados para desenvolver software de estatística e análise de dados. Pesquisas e levantamentos com profissionais da área 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.

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 conjunto de Mandelbrot através das primeiras 20 iterações da equação z = z² + c mapeados para diferentes constantes complexas c. Este exemplo demonstra:

• O uso de bibliotecas 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)

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.

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

Versões

A lista completa de alterações é mantida no arquivo "R News" no site CRAN. Alguns destaques para algumas das principais versões estão listados abaixo.^{[carece de fontes]}

Versão	Data	Descrição
0.16		Essa foi a última versão alpha desenvolvida primariamente por Ihaka e Gentleman. Muitas das funcionalidades descritas no "Livro Branco" (Modelos Estatísticos em S) foram implementadas. A lista de emails começou em 1 de Abril de 1997.
0.49	1997-04-23	Esse é o código fonte mais antigo disponível no CRAN. O próprio CRAN foi lançado nessa data, com 3 mirrors hospedando inicialmente 12 pacotes. Versões Alpha do R para Microsoft Windows e Mac OS foram disponibilizadas logo depois dessa versão.
0.60	1997-12-05	R se torna parte do Projeto GNU. O código passa a ser hospedado e mantido usando CVS.
0.65.1	1999-10-07	Primeiras versões das funções update.packages e install.packages para download e instalação de pacotes do CRAN.
1.0	2000-02-29	Considerada pelos desenvolvedores como estável para uso em produção.
1.4	2001-12-19	Métodos S4 foram introduzidos e a primeira versão para Mac OS X foi lançada pouco depois.
2.0	2004-10-04	Introduzido lazy loading, que permite carregamento mais rápido de dados e gasto de memória reduzido.
2.1	2005-04-18	Suporte para UTF-8 e esforços iniciais para localização e internacionalização para outros idiomas.
2.11	2010-04-22	Suporte para sistemas Windows de 64 bits.
2.13	2011-04-14	Adicionada uma nova função ao compilador que permite acelerar a execução das instruções traduzindo-as para byte-code.
2.14	2011-10-31	Adicionados namespaces mandatórios para os pacotes. Adicionado um novo pacote parallel.
2.15	2012-03-30	Novas funções de balanceamento de carga. Velocidade de serialização melhorada para vetores longos.
3.0	2013-04-03	Suporte para indexadores numéricos de valor 231 e maiores em sistemas de 64 bits.

Interfaces

Interfaces de usuário gráficas

• RGUI – vem com uma versão pré-compilada do R para Microsoft Windows.
• Tinn-R– Um ambiente de desenvolvimento de código aberto altamente capaz e integrado, com destaque para a sintaxe semelhante à do MATLAB. Disponível apenas para Windows
• Java Gui for R – Editor baseado em Java, multi-plataforma e independente de terminais R (também conhecido como JGR).
• Deducer – Interface gráfica para análise de dados orientado ao uso de menus (similar ao SPSS/JMP/Minitab).
• Rattle GUI – Interface gráfica multi-plataforma baseada no RGtk2 e criada especificamente 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).
• RTVS - Suporte para a linguagem R no Visual Studio da Microsoft fornecido pela Revolution Analytics.
• 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.

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
• useR! 2014, Los Angeles, Califórnia, Estados Unidos da América

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 empresa Revolution Analytics foi fundada para disponibilizar suporte comercial para a Revolution 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, ScaleR (para análise de grandes dados), DeployR, quadro de serviços web, e a capacidade para ler e escrever dados no formato de arquivos do SAS. Em Abril de 2015 a empresa foi adquirida pela Microsoft e seus produtos estão sendo gradativamente integrados a serviços do Microsoft Azure, a plataforma de cloud computing da Microsoft.

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 ComputingPágina oficial
• The CRAN (Comprehensive R Archive Network) ProjectDownload dos arquivos
• Tutorial de RLEG: Laboratório de Estatística e Geoinformação da UFPR
• The R Reference Manual - Base Packagepara os interessados no desenvolvimento do R