R語言有多強大？十個你不知道的功能

大資料文摘出品

編譯：鄔亮

有些業界從業人士對R語言的價值並不認可，他們認為R語言只針對統計分析。

R語言的確提供了很全面的統計分析的軟體包，比如CRAN，Bioconductor，Neuroconductor，以及ROpenSci；並且提供了優秀的包管理功能。

但在與計算機領域朋友的溝通中，R語言其實已經成長為一種多功能的程式語言，它的功能遠不限於資料分析而已。但是，R語言的很多優秀特性並不為R語言社群以外的人所熟知。

在本文中，我將給大家介紹那些不為人知，卻又好用到難以置信的R語言功能。

1.R的標記語言可以製作可重複生成的Word和Powerpoint文件

R語言中的rmarkdown包可以製作可重複生成的Word文件和Powerpoint幻燈片，而這隻需要改變一行YAML的程式碼。

2.組建和執行一個可互動的網路應用只需要幾行程式碼

幾行R程式碼就可以生成一個可互動的網路應用。比方說如果使用R語言的flexdashboard包， 你只需要36行程式碼，就可以生成一個可互動的動態報表，來探索你的BMI指數與全國健康營養檢查樣本結果的關聯。

3.幾行甚至一行R程式碼就可以支援網路應用的執行

另外一個很酷的功能是，透過rsconnect包，R語言還可以僅用一兩行程式碼就支援網路應用的執行。這些應用既可以透過自己的伺服器來支援，也可以用shinyapps.io這種雲伺服器。

4.透過使用R語言的dplyr/dbplyr，幾乎各種資料庫都可以連線

使用dbplyr包，用R語言連線各種資料庫，無論是本地的還是遠端的，都非常方便。這個功能使R語言使用者可以不用擔心底層的資料庫，而獨立地從主流資料庫中抽取資料。R語言的bigrquery包還可以直接利用BigQuery和其他大規模資料儲存。

5.本地或多個不同的資料儲存，在R語言裡可以利用相同的dblyr語法來操作

當你學會如何利用dplyr來轉換資料，本地和遠端的資料庫、資料儲存都可以利用相同的程式碼來操作。這個功能簡化了也統一化了操作多個資料庫和資料語言的過程。

6.你可以用Keras和Tensorflow訓練深度學習模型

使用keras包或TensorFlow介面，你可以利用R語言來學習預訓練或者開發全新的深度學習模型。

7.R語言可以編寫和支援應用程式介面(API)

Plumbr包可以把R函式直接轉換成網路應用介面(API)，並能很方便的整合到下游應用中去。如果你還安裝有Rstuodio Connect，這些函式可以像網路應用一樣輕鬆地被部署。

8.你可以使用R語言來生成電子遊戲的介面

不僅是網路應用，R語言甚至可以生成電子遊戲的介面。nessy 包可以幫助你生成並部署NES風格的Shiny應用。

9.你可以直接透過R語言呼叫Spark叢集來分析資料

你想用大規模資料訓練又大又複雜的機器學習模型麼？R語言的sparklyr包幫助你在單機或者大型的Spark叢集上直接完成這項任務。

10.你可以在R語言中以互動的方式學習R

R語言的swirl包可以用來生成可互動的R語言學習教程。

本文介紹了十個R語言中的功能，這些當然不是R語言全部的優秀特徵。比如你還可以連線到AWS Polly來生成語音合成軟體，或者用R語言生成能夠回應語音命令的Shiny應用，甚至編寫深度學習的軟體來利用加速度資料去判斷哈利波特的法術。R語言已經不單單是一門只能用來做資料分析的程式語言（雖然它在這方面超強！），對R語言的掌握能夠為你開啟一扇開發實用和好玩應用的大門。

相關報導：