R是一门很“古老”的语言,可以追溯到20世纪70年代的贝尔实验室。那时候数值计算的主要语言是Fortran,这种语言对计算机很友好,一般对计算机友好的语言对人都不太友好,贝尔实验室的John Chambers和他的同事挺身而出,提出了一个想法,就是下面这张图。
这张图的意思大概就是在Fortran上面再加一层人机交互语言,而且要非常友好,就像用手机点外卖一样方便,这种语言就是S语言。S语言一经推出,就广受好评,然后广受好评至1998年,走到人生巅峰,获得美国计算机协会ACM“软件系统奖”,这是迄今为止“唯一”被ACM授奖的统计系统。组委会评价到:“S语言史无前例的改变了人们分析、数据可视化、数据操作的方法,由于John Chambers的洞察力、品味和努力,S成为了一种聪明的、被广泛接受的、经久不衰的语言......”,历史上获得这一殊荣的的还有: Unix、 TeX、TCP/IP、 Web、 Apache、 Make..,2002年是Java,大家对这些是不是觉着很眼熟?
S语言之后的命运就没那么“经久不衰”了,它后来走向了商业化道路,成为了S-plus,随着R语言的开源和不断强大,S-plus的用户渐渐地转到了R语言。S语言的发明人John M. Chambers最后也成为了R语言的核心团队成员(这个核心小组只有二十几个人)。S-plus几经转手,然后...然后就没了。如今R语言大会还会经常邀请John Chambers,他依然在R语言社区延续着他的思想,并继续作出贡献,可是当我们转过身去,想起S语言的故事,不免唏嘘不已。
S语言风光无限的时候,它的新西兰方言版小兄弟R语言也开始崭露头角。1993 年,新西兰奥克兰大学的统计学家 Ross Ihaka 和 Robert Gentleman 创造了 R。这解释了R语言为啥叫R的原因,因为两位创始人都姓R。新西兰确实是好地方,除了盛产奇异果,还产统计学家。例如前两集已经提到的 Hadley Wickham,出生在新西兰汉密尔顿的一个统计学世家,他父亲 Brian Wickham 在康奈尔大学获得动物繁殖专业的博士,该学科大量使用统计学;而他姐姐则拥有加州大学伯克利分校的统计学博士学位。
这段家谱摘自统计之都里的一篇文章“Hadley Wickham:一个改变了 R 的人”。统计之都还有一篇专访 “COS 访谈第 9 期:Hadley Wickham ”。另外,图灵社区还有另外一篇专访“《R包开发》作者Hadley Wickham:数据结构“神童”(图灵访谈) ”。还有一篇 R语言的前世今生对R语言的介绍更为详尽。把这几篇放在一起看,是一件很有意思的事,有些内容解答了大家对R语言的一些疑惑。
例如,图灵社区对Wickham的访谈里,称Wickham有个统计学家的妹妹,而在统计之都的访谈里,称Wickham有个统计学家的姐姐。我在第一集里也是说Wickham有个统计学家的妹妹,到底是姐姐还是妹妹,有点搞不清,不过,这个不是大问题,更重要的可能是下面这些。
由于该语言是为数据分析量身定制,并且某些地方它与众不同(例如数据结构的索引方式以及数据强制存储于内存中),因此熟悉其他语言的程序员往往觉得 R 非常奇怪。
“数据强制存储于内存中”,这在当时是挺先进的想法,后来的hadoop是外存(就是硬盘)计算,计算比较慢。R语言从诞生到现在,一直都是内存计算。但内存相比硬盘比较贵啊,市面上1T的硬盘2500元,这个价钱大概只能买好一点的32G内存,所以,内存会成为计算的瓶颈。
“数据结构的索引方式” 我猜是指,R的数据索引是从1开始的,其他语言是从0开始的。这个我倒是不觉着R奇怪,反倒觉着其他语言奇怪,小明家有三口人,第0人是爸爸,第一人是妈妈,第二人是小明。这个也是我一直想问程序员的,为啥要从0开始索引呢?当然,这个在实际工作中并不算一个大问题。
R 作为一门编程语言似乎名声不太好,但我(Wickham,下同)觉得那不是事实。我认为 R 的核心是一门优雅的编程语言,只是因为绝大部分的 R 用户都不是程序员,所以伴随着这个优雅的核心的,是大量冗长乏味的代码。R 其实和 Javascript 很像,有一本书叫做《JavaScript 语言精粹》(JavaScript: The Good Parts),它试图提炼出 Javascript 优雅的一面。
Wickham这点说的很准确。像我这种不是程序员的R用户,我自己也曾尝试着用R语言的shiny开发交互式web应用,我写的代码肯定是冗长乏味的,特别是UI部分,前端工程师修改起来非常的痛苦。后来我把UI部分交给前端工程师做,我自己专注后端的开发。
“R 其实和 Javascript 很像”,这点可能是说,Javascript也是一种语法不是那么严谨的语言,非常灵活。高度灵活的副作用是,这会导致性能减慢。由于性能瓶颈的出现,R语言又向其他语言延伸,例如用 R 调用 C++ 以获得更快的速度,这也是R语言目前为提高性能所采用的最普遍的方法,不过这增加了R用户的学习成本,毕竟大多数R用户并不是程序员出身。
但 Wickham依然保持乐观,而且很多商业公司也开始介入R的发展:
随着越来越多的高级编程人员学习R语言,以及越来越多的R语言使用者变成经验丰富的编程人员,我想会出现越来越多的高效率R包。
......我认为,商业公司(这里指IBM和微软)的介入对R的持续发展以及R作为一种编程语言的不断完善都具有伟大的历史意义。R目前在很多公司的项目中充当关键作用,这意味着基于R语言开发的资源会越来越多。特别令人兴奋的是,我目前参与了R财团的工作(https://www.r-consortium.org)。作为商业公司回馈R社区的有效方式,R财团把他们的资金用于R开发,帮助更多的R语言使用者。
希望大家还是要坚持使用R语言。作为一门接口语言,R语言一直在接口的易用性上保持着最高的标准,这也是广大R语言开发者和R语言核心团队不断冲突的一个原因。如果仅仅是比较接口的易用性上,例如比较python和R接口的易用性上,下面这段统计之都对陈天奇(经常参加比赛的同学应该都知道他,他开发了著名的XGBoost,同时也是mxnet的核心成员)的访谈中,可以看到一些细节。这段对话里,何通是XGBoost的R包开发者。
何:python 和 R 涵盖了几乎所有 kaggle 用户的选择。
陈:是的,于是我就去学习了一下 python 里一个叫做 ctypes 的功能,它可以直接调用 C 的代码,于是我花了两天时间写了一个 python 的接口,并在比赛的论坛里发布了出来。
......
何:写工具的目的也是希望有别的用户来用。
陈:对的,我最后也会去用比较易用的接口(笑)。我本来的想法是我不需要用 python 或者 R,我只需要用 c++ 读一个配置文件就行了,结果后来我也去用 python 了。
何:我之前也用 XGBoost 的 python 接口,自从写了 R 包之后就再也没用过 python 接口了(笑)。
陈:大家都比较懒嘛,而且这样的偷懒挺好的。
这里面有一个细节,XGBoost的python接口是在两天之内开发的,何通开发的R接口,肯定就没那么容易了,R语言核心团队成员总会挑各种各样的毛病。所以,有时候我们经常会看到python的接口总是最早发布出来的,而R语言的接口总是要迟很久才会看到,一方面R语言开发者比较少,另外一方面是挑毛病的人比较多(这并不是坏事,这段对话里,XGBoost的R接口似乎是要好那么一些的)。
参考:
http://dirk.eddelbuettel.com/papers/chirug_mar2018_extending.pdf
https://en.wikipedia.org/wiki/John_Chambers_(statistician)
https://cosx.org/2015/09/hadley-wickham-the-man-who-revolutionized-r/
https://cosx.org/2013/09/a-conversation-with-hadley-wickham
http://www.ituring.com.cn/article/273090
https://www.cnblogs.com/chenkai/archive/2013/05/16/3082889.html
https://cosx.org/2015/06/interview-of-tianqi