Una super sintesi di R

R è un ambiente opensource sviluppato originariamente per effettuare valutazioni statistiche. Anni fa abbiamo avuto necessità di apprenderlo per un corso di algebra lineare. Visto che alcune settimane fa lo abbiamo usato nuovamente, abbiamo deciso di scrivere una guida guida ultrasintetica per il suo uso.

Questo ambiente usa i vettori come struttura dati di base. Per questo motivo è particolarmente versatile (e veloce) nell'effettuare calcolo vettoriale e matriciale.

Non solo: ha una dotazione di librerie di calcolo veramente estesa. Per capirci: con le librerie Python è praticamente sempre possibile trovare una modo per effettuare un calcolo particolare, ma spesso questo modo è unico. Invece in R molto spesso si ha a disposizione una pletora di diversi comandi che permettono di ottenere lo stesso risultato. Al punto che un neofita potrebbe trovarsi in imbarazzo :-)

Sia Python che R sono ben supportati dalla comunità opensource. Sono ambienti creati con in mente scopi inizialmente diversi: Python orientato alla programmazione ad oggetti di tipo general purpose, ed R pensato quasi esclusivamente per il calcolo statistico.

Ma con il tempo sono entrambi evoluti. Python è stato adottato ampliamente dalla comunità scientifica, sviluppando veloci librerie di calcolo (NumPy, ...) che sono via via cresciute abbracciando contesti scientifici (e non) sempre più ampli; non ultima l'intelligenza artificiale con il machine learning e il natural language processing.

A sua volta R è uscito dall'ambito strettamente accademico, per approcciare contesti diversi, ad esempio l'analisi dei dati, così cara ai settori del marketing.

Concludendo, ribadiamo il link alla nostra sintetica nota riguardo R.

Enjoy. ldfa