Aunque a primera vista nos parezca chino, esta herramienta gratuita y de código abierto es tan multifuncional que una vez se aprenda a manejar, no se querrá usar otra cosa. R es un lenguaje de programación flexible diseñado para facilitar la exploración en el análisis de datos, con unos gráficos de alto nivel. Posee una gran cantidad de librerías, lo que le sitúa muy como un poderoso aliado para la estadística, el data mining y la analítica web.
Su popularidad creciente no es la única razón para aprender R. Si se quiere aprender data science de verdad, se necesita tener las habilidades básicas para comprenderla: conocimientos de manipulación de datos, visualización y machine learning. Hay que seleccionar un lenguaje que sea capaz de sacar todo el partido a estas habilidades, así como que este lenguaje tenga recursos para poder aprender a manejarlo por completo. Hay que aprender a pensar en solucionar problemas, y todo ello con R es mucho más simple.
Aunque hay muchas voces que indican que R se está convirtiendo en la lengua franca para el data science, no es para todos los públicos. Se debe tener en cuenta que al principio es muy difícil comprender y algunos conocimientos básicos son requeridos para iniciarse, además de que la gran cantidad de paquetes y funciones que lo integran, cuyo número va en aumento, lo hacen parecer sumamente compleja.
Aprender a programar en R
Casi siempre se recomienda comenzar a usar a esta herramienta con RStudio, para manejar un entorno agradable y más comprensible. Aparte de toda la información que pueda conseguirse a través de internet, también se aconseja tres puntos básicos: saber estadística (algo obvio en este caso), tener conocimientos básicos de programación (algo que no tanta gente piensa al principio) y un buen manual de referencia para tener siempre a mano -no para leerse de principio a fin, sino para abrir cuando surja una duda o ver si algunas operaciones son posibles-. Y lo más importante: dejar de emplear cualquier otro programa y empezar a usar R, ya que solucionar problemas es la mejor forma de prepararse.
Hay miles de formas de empezar a conocer este programa en internet, como a través de manuales, blogs especializados, vídeos en youtube o incluso examinar códigos de otras personas para comprender su funcionamiento. También es una buena manera tratar de comprender cómo funcionan las diferentes funciones. Se pueden escribir el nombre de estas, sin los paréntesis, darle al enter y analizar el código para ver qué lleva a cabo. La función debug() también puede servir de ayuda para entender cómo funciona cada cosa.
Conocimientos previos para programar en R
Si ya se conoce otros sistemas como SPSS o SAS, el mejor consejo es sumergirse directamente en R cada vez que se quiera realizar algún trabajo, aunque uno tenga que forzarse a ello. Es cierto que será duro, pero preguntando a google e incluso comparando el resultado con SPSS o SAS, poco a poco uno irá haciéndose con el entorno y manejándolo cada vez más rápido. Leer blogs especializados también pueden ayudar a conocer los trucos y perfeccionar el conocimiento de esta herramienta, e incluso hay algunos dedicados a la relación que existe entre R y estos otros programas.
Aunque estos no son lenguajes de programación como lo es R, es recomendable repetir problemas que ya se haya solucionado en ellos con estas herramientas, para ir cogiendo soltura en R, paso a paso. Así, no se cometerán errores con los nuevos proyectos y se sabrá que se está haciendo bien, ya que se tiene la respuesta correcta y se podrá ver fácilmente la diferencia entre los distintos programas. Es recomendable además tener cierta experiencia con lenguajes como Python o C, ya que es vital conocer lo más básico de la programación si se quiere comenzar a trabajar con R, así como tener en cuenta que lleva mucho tiempo dominar esta herramienta, por lo que lo mejor es tener paciencia y tesón.
Material para programar en R
Son interminables la cantidad de páginas donde podemos encontrar manuales y referencias para aprender este lenguaje. Todo depende de lo que queramos conseguir a la hora de enfrentarnos a esta herramienta.
- Si la intención de uso de R es clara, se puede encontrar un manual adecuado en esta lista de 129 libros sobre R y S en la página del proyecto.
- Si uno no se atreve por su cuenta, la plataforma coursera ofrece un curso a través de la universidad Johns Hopkins.
- Para iniciarse con R, una página sencilla es Quick-R.
- A través de rseek se puede encontrar cualquier tipo de contenido relacionado con R.
- En la página de RStudio puede encontrarse mucha información y recursos para aprender a usar el programa. También es recomendable visitar la página de R Project.
- Para usuarios con conocimientos de SAS y SPSS, en esta página encontrarán ayuda para iniciarse en R, así como en el blog de SAS and R.
- Según se va avanzando, irán surgiendo dudas y a la vez se harán nuevos descubrimientos. Por ello, es interesante estar informado al momento de todo lo que pasa a través de R-bloggers o seguir a la comunidad de Stack Overflow.
- Algo que hace especial a R es su uso de vectores, por lo que es importante aprender las diferentes formas de manejarlos.
