Clojure与R：数据分析的优缺点

我有一个在不久的将来学习R的计划。阅读另一个我发现有关Clojure的问题。现在我不知道该怎么办。

我认为R对我而言的一大优势是，经济学领域的某些人使用了R，包括我的一位主管（尽管另一位主管说：远离R！）。一个Clojure的优势在于它是基于Lisp的，和我已经开始学习Emacs和我热衷于写我自己的定制，这将是有益的（是的，我知道的Clojure和elisp的是Lisp语言的不同方言，但他们Lisp和类似的东西我都会想到）。

我不能问哪个更好，因为我知道这是非常个人的事，但是有人可以给我Cloclore x R的优点（或优点），特别是在实践上吗？例如，哪个应该更容易学习，哪个更灵活或更强大，哪个具有更多的库，更多的支持，更多的用户等等？

我的预期用途：我的估算工作大部分应使用Matlab进行，因此我在统计分析方面并没有寻找太深的东西，而希望使用Excel代替初始数据处理和可视化，汇总统计信息和图表，还要进行一些基本的统计分析或初步估算。

首先，我要说两种语言都爱：您不会错，而且它们在数据分析方面肯定比C ++或Java更好。

对于基本数据分析，我建议使用R（尤其是plyr）。IMO，R比Clojure容易学习，尽管由于Clojure基于Lisp并且有大量可用的Lisp资源（例如SICP），所以这并不完全明显。Clojure中的关键字较少，但是这些库的安装和使用更加困难。另外，请记住，R（或S）主要来自Scheme，因此您在使用Lisp时会从中受益。

一般来说：

R的主要优点是CRAN上的社区（超过2461个程序包和计数）。在不久的将来，没有什么可以与之相比，甚至没有像matlab这样的商业应用。

Clojure具有在JVM上运行的巨大优势，这意味着它可以立即使用任何基于Java的库。

我要补充一点，我前段时间进行了有关Clojure / Incanter与R的演讲，所以您可能会发现它很有趣。根据我创建此代码的经验，对于简单操作，Clojure通常比R慢。

在过去6-7年中，我一直是R的重度用户。作为一种语言，它具有一些设计限制。但是，对于计量经济学和数据分析方面的工作，我仍然全力推荐。它具有大量与计量经济学，时间序列，消费者选择建模等相关的软件包，当然还有出色的可视化，良好的代数和数值库等。我不必担心数据大小的限制。尽管R不是为“大数据”设计的（不同于SAS），但仍有很多方法可以解决。软件包的可用性确实使与众不同。

我只读过Clojure的语言规范，它既漂亮又干净。它自然地解决了并行化和规模化问题。并且，如果您具有一些基本的Java或OOP知识，则可以从大量的高质量Java库中受益。

我与Clojure的问题在于，这是最近的单人（R.Hickey）手术，因此1）非常冒险2）非常不成熟3）利基采用。非常适合发烧友，早期采用者，想尝试新事物的CS / ML人员。对于那些将语言视为通向目标的手段并且需要非常健壮的代码（可以与他人共享代码）的用户来说，建立语言似乎是一个更安全的选择。只知道你是谁。

更新（2014年8月）：作为下面的@gappy注释，从R版本3.0.0开始，限制更高，这意味着R能够处理更大的数据集。

这是一个数据点：R具有“大数据上限”，对于了解您是否打算使用大型数据集很有用。

我不确定Clojure / Incanter是否适用相同的限制，是否胜过R或更差。我认为JVM可能可以处理大型数据集，尤其是如果您设法利用Clojure的惰性功能的强大功能。