R (linguaxe de programación): Diferenzas entre revisións

A linguaxe R emprégase amplamente na [[estatística]], na análise e minado de datos e para o desenvolvemento de software estatístico<ref name="fox2005">{{Cita publicación periódica |author1=Fox, John |author2=Andersen, Robert |lastauthoramp=yes | title = Using the R Statistical Computing Environment to Teach Social Statistics Courses | publisher = Department of Sociology, McMaster University | date = xaneiro de 2005 | url = http://www.unt.edu/rss/Teaching-with-R.pdf | format = PDF | accessdate = 3 de outubro de 2016 }}</ref><ref name="nytimes2009">{{Cita novas | url=http://www.nytimes.com/2009/01/07/technology/business-computing/07program.html |title=Data Analysts Captivated by R's Power | date=1 de xaneiro de 2006 | accessdate=3 de outubro de 2016|last=Vance| first=Ashlee |work=[[New York Times]]| quote=R tamén é o nome da popular linguaxe que están a empregar un número crecente de analistas de datos de institucións e empresas. Estase a converter na súa lingua franca...}}</ref>. Recentes estudos e [[enquisa]]s mostraron que a popularidade de R aumentou nos últimos anos<ref>David Smith (2012); [http://java.sys-con.com/node/2288420 ''R Tops Data Mining Software Poll''] {{Webarchive|url=https://web.archive.org/web/20161227164409/http://java.sys-con.com/node/2288420 |date=27 de decembro de 2016 }}, Java Developers Journal, 31 de maio de 2012</ref><ref>Karl Rexer, Heather Allen, e Paul Gearan (2011) [http://www.rexeranalytics.com/Data-Miner-Survey-Results-2011.html ''2011 Data Miner Survey Summary''] {{Webarchive|url=https://web.archive.org/web/20170909105946/http://www.rexeranalytics.com/Data-Miner-Survey-Results-2011.html |date=09 de setembro de 2017 }}, presentado en Predictive Analytics World, outubro de 2011.</ref><ref>{{Cita web|author=Robert A. Muenchen|year=2012|url= http://r4stats.com/articles/popularity/|title=The Popularity of Data Analysis Software}}</ref><ref name="nature2014">{{Cita publicación periódica|url=http://www.nature.com/news/programming-tools-adventures-with-r-1.16609|title=Programming tools: Adventures with R|first1=Sylvia|last1=Tippmann|journal=[[Nature (journal)|Nature]]|issue = 517| doi = 10.1038/517109a | pages = 109–110 | date = 29 de decembro 2014}}</ref> e que se colocou xa como a quinta linguaxe máis popular entre os desenvolvedores<ref name="ieee_spectrum2016">{{Cita web| last = Cass| first = Stephen| title = The 2016 Top Programming Languages| work = IEEE Spectrum: Technology, Engineering, and Science News| accessdate = 2016-10-03| date = 2016-07-26| url = http://spectrum.ieee.org/computing/software/the-2016-top-programming-languages}}</ref>. A [[bioinformática]], a investigación [[Biomedicina|biomédica]], [[ecoloxía]] e as [[matemáticas financeiras]], entre outros campos de ''big data'', é onde se está a empregar máis. R cítase de xeito común como a ''lingua franca'' da ciencia<ref>{{Cita web| title = The rise of R as the language of analytics| work = Revolutions| accessdate = 2016-10-03| url = http://blog.revolutionanalytics.com/2013/11/the-rise-of-r-as-the-language-of-analytics.html}}</ref>.

 

 

No repositorio [[CRAN]] atópanse máis de 8 mil librarías, ou paquetes de funcións, que amplían a capacidade funcional da base de R<ref name="revol_numpack">{{Cita web| title = How many packages are there really on CRAN?| work = Revolutions| accessdate = 3 de outubro de 2016| url = http://blog.revolutionanalytics.com/2015/06/how-many-packages-are-there-really-on-cran.html}}</ref><ref>{{Cita web| title = On the growth of CRAN packages| work = R-bloggers| accessdate = 3 de outubro de 2016| date = 2016-04-15| url = http://www.r-bloggers.com/on-the-growth-of-cran-packages/}}</ref>. R pode integrarse con distintas [[base de datos|bases de datos]], como [[MySQL]], [[MariaDB]], [[SQLite]], [[PostgreSQL]] ou [[MongoDB]]. Existen librarías que facilitan a súa utilización desde linguaxes de programación interpretados como [[Perl]] e [[Python]] ou en linguaxes de código compilado, como [[Linguaxe de programación C|C]] ou [[Fortran]]. O proxecto máis coñecido desenvolvido sobre R é [[Bioconductor]], que conta con máis de 1200 librarías de R e que permite o tratamento de datos de [[Secuenciación do ADN|secuenciación]] [[Xenoma|xenómica]] masiva<ref>[https://www.bioconductor.org/ Bioconductor - Open Source Software for Bioinformatics]</ref><ref name="bioconductor_pkgs">{{Cita web| title = Bioconductor - BiocViews| accessdate = 3 de novembro de 2016| url = https://www.bioconductor.org/packages/release/BiocViews.html#___Software}}</ref>.