Está en la página 1de 3

Objetivo:

 Identificar los tipos de paradigmas asociados a R


 Conocer las ventajas y desventajas que presenta frente a Python
 Ventajas generales de usar R

R, entre otras cosas, es también un lenguaje de programación, aunque, generalmente, no


se utiliza para programar; más bien, se utiliza interactivamente: el usuario lee datos, los
revisa, los manipula y genera gráficos, modelos, ficheros Rmd, etc.

Existen dos grandes paradigmas de programación:

Programación imperativa: variables, bucles, etc. Es la habitual en lenguajes como C,


Fortran o Matlab.

Programación funcional: Lisp fue el lenguaje pionero en programación funcional y,


actualmente, Haskell o Scala son lenguajes casi puramente funcionales; otros como
Python, Java o C++, aunque imperativos, incorporan cada vez más elementos funcionales.

R permite combinar ambos. Y los combina, además, con la programación orientada a


objetos. El objetivo de la sección será el de familiarizarnos con los aspectos imperativos
y funcionales de la programación en R.

(DataAnalytics, s.f)

Ventajas de R

Como ya hemos comentado, R posee unas características especiales que lo hacen


especialmente versátil para el manejo de elementos estadísticos, en concreto
para operaciones con matrices y vectores, lo que facilita la manipulación de bases de
datos. Por tanto, R permite manipular (seleccionar, recodificar y recuperar) datos muy
rápidamente. De hecho, existen algunos paquetes diseñados para ello, como plyr, lo que
hacen que este lenguaje de programación sea mucho más hábil y eficiente en la
preparación de los datos para su posterior análisis.

Por otro lado, como fue un lenguaje diseñado específicamente para hacer análisis
estadístico, es muy preciso y exacto para el análisis de datos.
Dispone de una gran cantidad de paquetes para la creación de gráficos, lo que le aportan
unas capacidades avanzadas en la visualización de los datos y los resultados del análisis.
A parte del paquete básico de R que aporta una cantidad de funciones para gráficas,
existen otros como lattice o ggplot.

En cuanto a Machine Learning, R tiene implementados una gran cantidad de algoritmos,


como consecuencia de las diferentes líneas de investigación de grupos que dieron pie a
su creación, debido precisamente al hecho de que R nació en el ámbito académico.

(Revista Digital INESEM, 2016)

Ventajas y desventajas frente a Python

Ventajas Desventajas

Orientado al análisis estadístico, es Curva de crecimiento y versatilidad


preciso y exacto para el análisis de datos. inferior a la que presenta Python.
Implementa gran cantidad de algoritmos
(Machine Learning).

Útil para minería de datos, computación Python permite incorporar el código de


independiente o análisis individual en análisis estadístico en una base de datos de
servidores. producción.

Manipulación de datos rápidamente, R se diseñó específicamente para análisis


operaciones con matrices y vectores. de datos y estadística por lo que es más
lento con programas no destinados a este
propósito.

Conclusiones:

 R es un lenguaje muy potente frente al análisis de datos estadísticos, es decir

BigData.

 Al igual que todo lenguaje presenta ventajas y desventajas, en el caso de

Python, la curva de aprendizaje del mencionado es mayor que el de R.


 R, trabaja con algunos paradigmas, ya conocidos como imperativo, orientado

a objetos, que son comunes en otros lenguajes como C#, Python.

 R ofrece la posibilidad de cargar bibliotecas y paquetes con diversas

funcionalidades lo que permite a los usuarios extender su configuración

básica.

Recomendaciones:

 Conocer más acerca de este interesante lenguaje, para ello es importante


aprovechar los cursos, como el realizado en la asignatura para aprender
conceptos básicos que luego se pueden profundizar y consolidar el
aprendizaje.
 Antes de aprender un nuevo lenguaje debemos conocer cuáles son sus
características, fortalezas y debilidades, de esta manera podemos identificar
los puntos altos y bajos del lenguaje y para que nos pueden ayudar en la
resolución de problemas.

Bibliografía

[1]DataAnalytics. (s.f). datanalytics. Obtenido de datanalytics.com:

https://www.datanalytics.com/libro_r/programacion-en-r.html

[2]Revista Digital INESEM. (16 de 11 de 2016). revistadigital.inesem. Obtenido de

Revistadigital.inesem.es: https://revistadigital.inesem.es/informatica-y-

tics/python-r-analisis-datos/