R发展所存在的问题，大家都怎么看？

我是国内一所top5学校的统计专业学生，sas用的比较多，而且我越发觉得sas好用，基本上的数据处理sas都可以做的非常好～另外，如果说需要编写假设检验，sas也完全可以胜任，突然我就在想为什么大家（包括国外的老师）都在用r ?
前一段时间和老师有所讨论，得到一个说法如下：r的内置机理有问题，处理大量数据非常慢（我不是cs的学生补太会讲的高深一点），也就是说，几十万条数据r还能做的话，上千万条就不行了。现在又数据爆炸，怎么就又回去推崇r了？那么到底r的优势在哪里？

两款软件的定位不太一样，所以感觉比较侧重的方向也不太一样。两者横向对比没有特别多的价值，完全取决于使用者的需求。

一个不太恰当的比喻，SAS更像是品牌机，成熟可靠；而R更像是组装机，可以满足任何任性的需求。

有人说SAS更偏向业界，R更偏向学术，这也是从用户不同需求上进行的划分。

SAS本质上是一款非常成熟的商业化软件。发展到今天，SAS已经有一套完整的商务需求解决方案，有标准化的考试资格认证，并且其质量也得到了业界相当范围内的认可，比如SAS是FDA唯一认证的软件。而R本质上更像一种面向开发的软件。

两者谁更好用，完全依赖于用户的需求。建议楼主有时间两者都多多学习，matlab和python都可以换着用。

下面是一些关于R的题外话。

（1）对于统计学家来说，C的执行效率高，但编程效率低。这也是为什么会有R的初衷：尽量把“造轮子”的底层运算省去，更侧重于统计方法的实现，即突出编程效率，适当降低执行效率。从这一点来看，R是一款非常成功软件。这样使得R的代码非常灵活（弊端也是可读性下降）。举个和SAS的有关的“不灵活”的例子，SAS在contrast命令时，设计矩阵的每一项是不能大于1的，如果要输入1/3，只能换成0.33，当时在使用时出现这个报错我纠结了好久。

（2）R另外一个优势在于开源社区，这就意味着有无数的、经过优化的、满足不同需求的package已经被大家编写完毕，需要使用时只需要进行安装调用即可。SAS集成新算法的效率其实不算低，经常比较主流成熟的算法都会及时更新到SAS里，但这一速度相比R package效率低了很多。个人感觉R的packeage不仅仅是用来实现算法，你还可以直接读代码去逆向理解整个算法的idea。比如某大牛发了paper并且编了包，paper核心的idea看不懂，没关系，下他的包拆开慢慢看其中的过程。

（3）对于相当于一部分死活不愿意离开R的用户来说，R的必杀技在于ggplot2包。套用乔帮主的话说，ggplot2重新定义了什么是画图。如果你对PS用得得心应手，那么ggplot2的编程哲学就更能引起共鸣。

（4）R的执行效率特别是在做循环的时候，确实“曾经”如同楼主抱怨的那样慢成渣渣。但就目前R的发展来看，这一致命短板正在逐渐弥补。比如尽量用向量式计算，比如apply类函数；比如把四则运算交给底层，用C写好后用R来编译调用；再比如开大杀器调用并行运算。都有具体的package来实现这些功能，甚至有包将R与其他工具进行对接。


综上，就我目前的统计需求来说，R的使用占了绝大多数时间。但目前整体使用情况，可以参加如下图表。



The number of scholarly articles found in each year by Google Scholar. Only the top six “classic” statistics packages are shown. (Source: R bloggesr)



The number of scholarly articles found in each year by Google Scholar for classic statistics packages after market leaders SPSS and SAS have been removed. (Source:R bloggers)

r的优势在于它是一个比较完整的编程语言。sas语法诡异，并非以传统的编程语言框架而设计，处理复杂问题比较困难，所以学术界是基本没人用sas。

另外你听到的说法是有误的。r处理数据不慢。r主要是循环慢因为它是解释型语言（而sas的后台是用c编译的程序），但是它的很多处理数据和矩阵计算的函数都是调用c或者fortran写的程序，这些函数的速度和sas应当是差不多的。所以r的程序慢不慢取决于编程者如何写，有经验的人都会将循环转化为内置的函数（术语叫做vectorize），一个好的r程序应当是不慢于sas。

r处理大数据的问题在于它是把数据导入内存中，所以对于特别大的数据r无法处理（除非你有超大内存）。而sas是从硬盘直接读写，所以理论上只要你的数据能存在硬盘上，它就能处理。不过关于这个现在也有很多解决办法，譬如数据分块处理，和c/fortran结合，分布式计算，等等。貌似现在还有能直接处理硬盘数据的r解释器，我不是很了解。

另一方面，在业界用r很多时候只是测试模型和算法（python也是如此），对速度和空间的要求不高。觉得可行的算法一般最后都会用c++之类的语言重写后投入使用。

等你有个new method想write your own function你就知道SAS有多折磨人了。

现在有R hadoop解决方案，应该不成问题。

cholyon 发表于 2015-4-24 21:08
现在有R hadoop解决方案，应该不成问题。

这是一个package还是就是另一个软件？

还有，有没有大牛来讲讲，r到底优势在哪里？最好有去过国外的同学讲下，比较国内对软件编程重视程度在本科不高

可以去知乎看看吧 对于R SAS之间的优劣势讨论挺多的

R 有丰富的 packages，而且还不断增多。如果 SAS 是 windows，R 就是 Linux，两者不会一个淘汰另一个。

sas贵。。。还是用MATLAB吧，XD

dertas1993 发表于 2015-4-24 21:12
这是一个package还是就是另一个软件？

贴两个链接：
https://github.com/RevolutionAnalytics/RHadoop

RHadoop实践系列文章

很好的话题