R與Excel之數據分析

Excel 是一款很好用的數據分析工具，但是你分析數據時只有 Excel 這一款工具的話，則會大大影響工作效率。相比之下，R 工具更好用，而且提供的工具集模塊更完整。

我從事數據分析工作已經有十年之久。最初是出于工作需要，我的經理給我一堆數據，我需要處理這些數據。當時我一直使用的工具是 Excel，因為這是我熟練掌握的一款工具。三年前，我開始接觸到 R，一開始因為功能太多而堅決抵制使用。后來我開始琢磨如何使用?，F在我基本不怎么使用 Excel 了。這只是我個人的觀點，但是如果你要分析數據，R 更勝任這項任務。下面來說說為什么 R 更適合數據分析。

這兩款工具的使用方法截然不同。使用 Excel 時，可以通過鼠標點擊完成大部分工作，你可以訪問界面內不同位置的各種工具。因此 Excel 非常便于使用（熟能生巧），但是用 Excel 處理數據非常費時，而且如果接手一個新項目，你必須單調地重復這些流程。使用 R 時，則通過代碼完成所有操作。你把數據載入內存，然后運行腳本來研究并處理數據。這個工具可能不夠人性化，但是有以下幾點好處。

我認為，從概念上來說，R 更便于使用。如果你在處理多列數據，雖然你只是在處理單個任務，但是卻會看到所有的數據。而使用 R 時，數據都在內存中，只有調出數據才能看到。如果你在轉換或計算，你會處理相關列或行的子集，其他所有數據都在后臺。我覺得這樣更便于關注手頭的任務。完成任務后，可將其保存在某個數據幀中，其中只包含所需的列或行數據。你建立了正確的數據集，可解決當前的問題。這樣做看似無關緊要，但實際上大受裨益。

借助 R，就可以對其他數據集輕松重復相同的操作。因為所有數據都是通過代碼進行處理和研究，因此對新的數據集執行相同的操作也就輕而易舉了。使用 Excel 時，大多數操作都是通過鼠標點擊實現，雖然用戶體驗不錯，但對新的數據重復操作卻非常費時而枯燥。而 R 只需載入新的數據集，然后再次運行腳本即可。

實際上，用代碼操作也便于診斷并共享你的分析結果。使用 Excel 時，大多數的分析結果都基于內存（數據透視表在這里，公式編輯器在另一個表格上等）。而在 R 中，通過代碼執行所有操作，一目了然。如果你在修正一個錯誤，你很清楚在哪里操作，而如果你需要共享分析結果，只需復制粘貼代碼即可。在線查找幫助時，你能準確說明所用數據，并提出具體的問題。事實上，大多數時候，你在線提問時，人們都是直接貼出準確的代碼，來解決你的問題。

R 中的項目組織更簡單。在 Excel 中，我要準備一系列表格，可能還要準備多個工作簿，然后適當命名，而且各文件名不得重復。我的項目備注分別保存在各個文件中。我的 R 項目組織單獨設有一個文件夾，我處理過的所有內容都放在其中。清理數據、探索性圖表及模型。這樣便于我理解和查找，也為與我一起工作的其他人提供方便。當然，Excel 也能做到井井有條。我覺得 R 的簡潔性更便于使用。

上述幾點只能說是錦上添花，而并不是必不可少。在沒有這些功能之前，我也用了好幾年 Excel，你應該也一樣?，F在，我想講講 R 和 Excel 真正的區別。我想說的是，除了以上那些花哨的小優勢之外，R 更適合用于數據分析。原因如下。

你可以把任何數據載入 R。數據的保存位置或保存形式并不重要。你可以載入 CSV 文件，也可以讀取 JSON，或者執行 SQL 查詢，抑或提取網站。你甚至還可以在 R 中通過 Hadoop 處理大數據。

R 是一個完整的工具集，使用的是數據包。在分析數據時，R 比 Excel 更實用。你可使用 R 執行數據管理、分類和回歸，也可以處理圖片，并執行其他所有操作。如果機器學習是你的專業，那能想到的任何算法都是小菜一碟。目前，R 可用的數據包逾 5,000 個，因此無論你要處理什么類型的數據，R 都能應付自如。

R 的數據可視化效果非常卓越。說句實話，Excel 的圖表非常出色，簡單易懂。但 R 的效果更好。我覺得這是 R 最實用的功能之一。借助 ggplot2，你可以快速創建所需的各種圖表，并根據圖表形狀自行調整。在你熟悉了如何用 ggplot2 創建一個圖表后，任何其他圖表都不在話下。ggplot2 還能制作更多類型的圖表。你能用 Excel 創建散點圖矩陣嗎？用 R 就能輕松創建這種矩陣，CDF plot 也是如此。Excel 棋差一招。

Git 版本控制。我一向習慣保存多個版本的分析結果。Git 是至今為止我找到的最好用的工具。我使用 RStudio 作為編輯器，其支持項目。創建一個項目倉庫，然后你就能跟蹤數據研究的不同版本。你可以創建不同版本的 Excel 文件，但是這些保存的二進制文件無法顯示相互之間的更改部分。而 R 非常簡單。

我已經說了很多理由?？傊?，Excel 是一款不錯的數據分析工具。我相信它能不負眾望完成所有任務。但是，如果你只有這一款工具，則會大大影響你的工作效率。相比之下，R 更好用，而且提供的工具集模塊更完整。而缺點在于不是非常易于上手，用戶一開始相對要花很多時間學習使用。如果堅持下去，就會有所收獲，不僅對數據更了解，還提高了自己的能力。