R (programmeringsspråk)
| R | |||
|---|---|---|---|
 | |||
| Tilblivelse | august 1993[1] | ||
| Paradigme | 6 paradigmer Multi-paradigme: Funksjonell programmering, array programming, objektorientert programmering, Imperativ programmering, selvmodifiserende («reflective»), Prosedyrisk programmering | ||
| Designet av | Ross Ihaka, Robert Gentleman | ||
| Siste versjon(er) | 4.2.1 / 23. jun. 2022 | ||
| Typetildeling | dynamisk | ||
| OS | GNU/Linux, Microsoft Windows, macOS, BSD | ||
| Lisens | GPLv2 | ||
| Implementert i | |||
| C, Fortran, R | |||
| Påvirket av | |||
| S | |||
R er et programmeringsspråk og en programvare for statistiske beregninger og datavisualisering. R er hyppig brukt innen kvantitativ forskning og datavitenskap, gjerne for å konstruere statistiske modeller og systemer for automatisk dataanalyse.
R er fri programvare, det vil si at det er gratis å bruke og har åpen kildekode. R er tilgjengelig for flere operativsystem, som Windows, macOS og flere distribusjoner av Linux.[2]
Kjerneprogramvaren i R kjører et programmeringsspråk som særlig egnet for operasjoner på datasett (vanligvis todimensjonale med rader og kolonner, såkalte «data frames»).[3] R er svært fleksibelt, spesielt på grunn av tilgjengeligheten tilleggsprogramvare, såkalte «R-pakker», som kan legges til basisprogramvaren. Ved hjelp R-pakker, som deles gjennom programvarearkivet CRAN, kan R utvides til å gi støtte for et svært stort antall funksjoner for analyse, datamanipulasjon og visualisering. R-pakker legger til rette for å skreddersy sin installasjon av R. Over 15000 R-pakker med tilhørende dokumentasjon og datasett er gjort tilgjengelig gjennom CRAN.
Blant de mest brukte R-pakkene kan nevnes GGplot2 (datavisualisering), dplyr (databearbeiding), readr (importere data inn i R), Shiny (webapplikasjoner), rmarkdown (literat programmering) og knitr (rapportgenerering).[4]
Ettersom det er et programmeringsspråk baserer R seg på kommandolinjegrensesnitt. Men brukere benytter gjerne integrerte utviklingsmiljø når de skriver R-kode, hvorav Rstudio.[5] og kodenotatblokksystemet Jupyter[6] er særlig utbredt blant R-brukere. Mange teksteditorer og integrerte utviklingsmiljø har støtte for R (som Visual Studio Code, PyCharm og Eclipse).
R har etter hvert blitt en de facto-standard for utvikling av statistiske teknikker. Programmerings-språket er sterkt objekt-orientert. I bruksmåte skiller R (og S) seg også fra mange vanlige statistikkprogramvarer nevnt ovenfor ved at man har ett (eller flere) arbeidsområder ("workspace") som kan inneholde tidligere resultater, egne funksjoner, og datasett.
Litteratur[rediger | rediger kilde]
- Norsk
- Mehmet Mehmetoglu og Matthias Mittner Innføring i R for statistiske dataanalyser Universitetsforlaget 2020 ISBN 9788215030661
- Silje S. Lyder Hermansen Lær deg R - En innføring i statistikkprogrammets muligheter Fagbokforlaget 2019 ISBN 9788245022131
- Engelsk
- James, Witten, Hastie, Tibshirani An Introduction to Statistical Learning with Applications in R Springer 2017 (pdf 431 sider)
Referanser[rediger | rediger kilde]
- ^ Ross Ihaka, «R : Past and Future History», besøkt 2. september 2021[Hentet fra Wikidata]
- ^ «The Comprehensive R Archive Network». cran.uib.no. Besøkt 31. juli 2021.
- ^ «An Introduction to R». cran.uib.no. Besøkt 31. juli 2021.
- ^ «Top downloaded METACRAN». www.r-pkg.org. Besøkt 31. juli 2021.
- ^ «RStudio». rstudio.com (engelsk). Besøkt 31. juli 2021.
- ^ «IRkernel». irkernel.github.io. Besøkt 31. juli 2021.
Eksterne lenker[rediger | rediger kilde]
- (en) Offisielt nettsted
- (en) GNU R – kategori av bilder, video eller lyd på Commons
- r-project.org An Introduction to R
- Kjartan Kloster Osmundsen Kort introduksjon til R (pdf 13 sider)
- rstudio.com RStudio gratis utviklingsmiljø (IDE) for programmering i R
- r-bloggers.com syndikering av bloggposter fra stort antall R-brukere
