R (linguagem de programação)
Este artigo ou se(c)ção cita fontes fiáveis e independentes, mas que não cobrem a maior parte do texto (desde Dezembro de 2010). Por favor, melhore este artigo providenciando mais fontes fiáveis e independentes e inserindo-as em notas de rodapé ou no corpo do texto, conforme o livro de estilo. Encontre fontes: Google — notícias, livros, acadêmico — Scirus — Bing. Veja como referenciar e citar as fontes. |
R | |
---|---|
![]() |
|
Paradigma | multi-paradigma: sequencialização, orientado a objectos, imperativo, dinâmico, processual, recíproco |
Surgido em | 19931 |
Última versão | 3.1.0 (10 de abril de 2014) |
Criado por | Ross Ihaka e Robert Gentleman |
Influenciada por | S |
Licença: | GPL |
Página oficial | www.r-project.org |
R é uma linguagem e um ambiente de desenvolvimento integrado, para cálculos estatísticos e gráficos.
Foi criada originalmente por Ross Ihaka e por Robert Gentleman no departamento de Estatística da universidade de Auckland, Nova Zelândia, e foi desenvolvido por um esforço colaborativo de pessoas em vários locais do mundo2 .
O nome R provêm em parte das iniciais dos criadores3 e também de um jogo figurado com a linguagem S (da Bell Laboratories, antiga AT&T).
R é uma linguagem e ambiente similar ao S – pode ser considerado uma implementação distinta do S; embora com importantes diferenças, muitos códigos escritos para o S rodam inalterados no R. A implementação comercial de S é S-PLUS.
O código fonte do R está disponível sob a licença GNU4 5 GPL e as versões binárias pré-compiladas são fornecidas para Windows, Macintosh, e muitos sistemas operacionais Unix/Linux.
R é também altamente expansível com o uso dos pacotes, que são bibliotecas para funções específicas ou áreas de estudo específicas.
Um conjunto de pacotes é incluído com a instalação de R, com muito outros disponíveis na rede de distribuição do R (em inglês CRAN).
A linguagem R é largamente usada entre estatísticos e data miners para desenvolver software de estatística6 7 e análise de dados.7 Inquéritos e levantamentos de data miners mostram que a popularidade do R aumentou substancialmente nos últimos anos.8 9 10
Índice
Ferramentas de produtividade
Existem diversas GUI para R, incluindo JGR, RKWard, SciViews-R, Rcmdr e, mais recentemente, RStudio. Muitos editores oferecem recursos que facilitam o trabalho com o R: Emacs, Vim, jEdit, Kate, Tinn-R GUI/Editor, entre outros. Existem plug-ins para uso com a IDE Eclipse e Vim.
Software construído de modo colaborativo, com novos pacotes e GUIs incluídos a cada intervalo de tempo, antecipando-se até a alguns outros pacotes proprietários, como o complemento com o teste de Scott-Knott para a Análise de Variâncias ANOVA.
Recursos estatísticos
A R disponibiliza uma ampla variedade de técnicas estatísticas e gráficas, incluindo modelação linear e não linear, testes estatísticos clássicos, análise de séries temporais (time-series analysis), classificação, agrupamento e outras. A R é facilmente extensível através de funções e extensões, e a comunidade R é reconhecida pelos seus contributos ativos em termos de pacotes. Existem diferenças importantes, mas muito código escrito para S corre inalterado. Muitas das funções padrão do R são escritas no próprio R, o que torna fácil para os usuários seguir as escolhas algorítmicas feitas. Para tarefas computacionais intensivas, os códigos C, C++, e Fortran podem ser ligados e chamados durante a execução. Usuários experientes podem escrever código C ou Java11 para manipular diretamente objetos R.
O R é fortemente extensível através do uso de pacotes enviados pelo utilizador para funções específicas ou áreas específicas de estudo. Devido à sua herança do S, o R possui fortes recursos de programação orientada por objetos, mais que a maioria das linguagens de computação estatística. Ampliar o R também é facilitado pelas suas regras de contexto lexical.12
Outra força do R são os gráficos estáticos, que podem produzir imagens com qualidade para publicação, incluindo símbolos matemáticos. Gráficos dinâmicos e interativos estão disponíveis através de pacotes adicionais.13
O R tem a sua própria documentação em formato LaTeX, a qual é usada para fornecer documentação de fácil compreensão, simultaneamente on-line em diversos formatos e em papel.
Recursos de programação
A R é uma linguagem interpretada tipicamente utilizada através de um Interpretador de comandos. Se um usuário escreve “2+2” no comando de inserção e pressiona enter, o computador responde com “4”, conforme se mostra abaixo:
> 2+2 [1] 4
Como muitas outras linguagens, a R suporta matrizes aritméticas. A estrutura de dados da R inclui escalares, vetores, matrizes, quadros de dados (similares a tabelas numa base de dados relacional) e listas.14 O sistema de objetos da R é extensível e inclui objectos para, entre outros, modelos de regressão, séries temporais e coordenadas geoespaciais.
A R suporta programação processual com funções e, para algumas funções, programação orientada a objetos com funções genéricas. Uma função genérica atua de forma diferente dependendo do tipo de argumentos que é passado. Por outras palavras a função genérica determina (dispatches) a função (método) específica para aquele tipo de objeto. Por exemplo, a R tem uma função genérica print() que pode imprimir quase qualquer tipo de objeto em R com uma simples sintaxe “print(nomedoobjeto)”.
Enquanto a R é maioritariamente usada por estatísticos e outros utilizadores que requerem um ambiente para computação estatística e desenvolvimento de software, pode ser igualmente usada como uma caixa de ferramentas para cálculo matricial geral com benchmarks de desempenho comparáveis ao GNU Octave ou ao MATLAB.15
Exemplos
Exemplo 1
Os seguintes exemplos ilustram a sintaxe básica da língua e o uso do interface de linha de comando.
Na R, o largamente preferido16 17 18 19 operador de atribuição é uma seta formada por dois carateres “<-“, embora “=” possa ser usado em sua vez.20
> x <- c(1,2,3,4,5,6) # Create ordered collection (vector) > y <- x^2 # Square the elements of x > print(y) # print (vector) y [1] 1 4 9 16 25 36 > mean(y) # Calculate average (arithmetic mean) of (vector) y; result is scalar [1] 15.16667 > var(y) # Calculate sample variance [1] 178.9667 > lm_1 <- lm(y ~ x) # Fit a linear regression model "y = f(x)" or "y = B0 + (B1 * x)" # store the results as lm_1 > print(lm_1) # Print the model from the (linear model object) lm_1 Call: lm(formula = y ~ x) Coefficients: (Intercept) x -9.333 7.000 > summary(lm_1) # Compute and print statistics for the fit # of the (linear model object) lm_1 Call: lm(formula = y ~ x) Residuals: 1 2 3 4 5 6 3.3333 -0.6667 -2.6667 -2.6667 -0.6667 3.3333 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -9.3333 2.8441 -3.282 0.030453 * x 7.0000 0.7303 9.585 0.000662 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 3.055 on 4 degrees of freedom Multiple R-squared: 0.9583, Adjusted R-squared: 0.9478 F-statistic: 91.88 on 1 and 4 DF, p-value: 0.000662 > par(mfrow=c(2, 2)) # Request 2x2 plot layout > plot(lm_1) # Diagnostic plot of regression model
Exemplo 2
Código R curto calcula o modelo de Mandelbrot (Mandelbrot set) através das primeiras 20 iterações da equação z = z² + c mapeados para diferentes constantes complexas c. Este exemplo demonstra:
- O uso de livrarias externas (chamadas pacotes) desenvolvidas pela comunidade, neste caso, o pacote caTools
- Manipulação de número complexo.
- Matrizes multidimensionais de números usados como tipos de dados básicos, ver variáveis C, Z e X.
library(caTools) # external package providing write.gif function jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", "yellow", "#FF7F00", "red", "#7F0000")) m <- 1200 # define size C <- complex( real=rep(seq(-1.8,0.6, length.out=m), each=m ), imag=rep(seq(-1.2,1.2, length.out=m), m ) ) C <- matrix(C,m,m) # reshape as square matrix of complex numbers Z <- 0 # initialize Z to zero X <- array(0, c(m,m,20)) # initialize output 3D array for (k in 1:20) { # loop with 20 iterations Z <- Z^2+C # the central difference equation X[,,k] <- exp(-abs(Z)) # capture results } write.gif(X, "Mandelbrot.gif", col=jet.colors, delay=100)
Exemplo 3
## Leitura do conjunto de dados. Também pode-se usar read.csv() quando os dados estiverem em arquivos .csv dados <- read.table("escreva a localização do arquivo...", header=TRUE) %colunas com tratamentos (tratam c/ titulo) e n-linhas (repet). ## Preparação de dados dados.vetor <- c(dados$trat1, dados$trat2, dados$trat3, dados$trat4) %pode ser com qualquer quantidade de tratamentos. N <- gl(trat, repeticoes) %escreva o número de tratamentos e o tratamento com maior número de repetições. dados.vert <- data.frame(N, dados.vetor) fator <- factor(Loc) % fatores são variáveis tratadas como variáveis categóricas no R. ## Cáculo da tabela ANOVA pre_anova <- aov(dados.vetor~fator) ANOVA <- summary(pre_anova) ## Fazendo teste de Tukey, teremos: TukeyHSD(pre_anova, ordered=TRUE) plot(TukeyHSD(bruto.aov, ordered=TRUE)) sk5 <- SK(x=dados, y=dados.vert$dados.vetor, model="y~fator", which="fator",sig.level=0.05) summary(sk5)
Pacotes
As capacidades da R são estendidas através de pacotes criados pelo usuário, que permitem técnicas estatísticas especializadas, dispositivos gráficos, capacidades de importação/exportação, ferramentas de relatórios, etc. Estes pacotes são primeiro desenvolvidos em R, e por vezes em Java, C e Fortran. Um conjunto básico de pacotes são incluídos com a instalação do R, com 5300 pacotes adicionais (a partir de abril 2012) disponíveis em Comprehensive R Archive Network (CRAN), Bioconductor, e outros repositórios.21
A página “Task Views” (lista de assuntos) no website da CRAN lista a vasta gama de aplicações (Finança, genética, aprendizagem de máquinas, imagiologia médica, ciências sociais e estatísticas espaciais) nos quais R tem sido aplicada e para que pacotes está disponível.
Outros recursos do pacote R incluem Crantastic, um site comunitário para avaliação e revisão de todos os pacotes CRAN, e também R-Forge, uma plataforma central para o desenvolvimento colaborativo de pacotes R, software relacionado com R, e projetos. Tem muitos documentos não publicados, pacotes beta e versões de desenvolvimento de pacotes CRAN.
O projeto Bioconductor disponibiliza pacotes R para a análise de dados genómicos, tais como Affymetrix e cDNA de análise e manipulação de dados orientadas a objetos, e começou disponibilizar ferramentas para a análise de dados da próxima geração de métodos de alto rendimento de sequenciação.
A pesquisa reprodutível e geração automática de relatórios pode ser realizada com pacotes que suportam a execução de código R incorporado em LaTeX, OpenDocument format e outros marcadores (markups).22
Acelerador e eficiência de memória
Teste é um pacote jit que disponibiliza compilação JIT, e outro pacote compilador que oferece um compilador de byte-code para o R.23
Existem diversos pacotes (snow, multicore, parallel) que disponibilizam paralelismo para o R24 .
O pacote ff economiza memória arquivando dados no disco. As estruturas de dados comportam-se como se estivessem na RAM. O pacote ffbase disponibiliza funções estatísticas básicas para o ‘ff’.
Marcos
A lista completa de alterações é mantida no ficheiro NEWS. Alguns destaques estão listados abaixo.
- Versão 0.16 – Esta é a última versão alpha desenvolvida incialmente por Ihaka e Gentleman. Muitas das funcionalidades básicas do “White Book” (ver S history) foram implementadas. As listas de discussão começaram em 1de april 1 de 1997.
- Versão 0.49 – 23 de abril 23 de 1997 – Esta é a mais antiga versão da fonte disponível, e compila num número limitado de plataformas Unix. O CRAN começou nesta data, com 3 mirrors que hospedavam inicialmente 12 pacotes. As versões Alpha do R para Microsoft Windows e Mac OS ficaram disponíveis pouco tempo depois desta versão.
- Versão 0.60 – 5 de dezembro de 1997 – O R torna-se oficialmente parte do projeto GNU . O código é alojado e mantido no CVS.
- Versão 1.0.0 – 29 de fevereiro de 2000 – Foi considerado pelos seus criadores suficientemente estável para utilização produtiva.[25]
- Versão 1.4.0 – Os métodos S4 são introduzidos e a primeira versão para Mac OS X ficou disponível logo após.
- Versão 2.0.0 – 4 de outubro de 2004 – Foi introduzida a lazy loading, que permite o carregamento rápido de dados com um mínimo de dispêndio de memória do sistema.
- Versão 2.1.0 – Suporte para codificação UTF-8, e o início da internacionalização e localização para diferentes linguagens.
- Versão 2.11.0 – 22 de abril de 2010 – Suporte para sistemas Windows de 64 bits.
- Versão 2.13.0 – 14 de abril de 2011 – Adiciona uma nova função de compilação que permite acelerar funções convertendo-as em byte-code.
- Versão 2.14.0 – 31 de outubro de 2011 – Adicionados namespaces obrigatórios para os pacotes. Adicionado um novo pacote paralelo.
- Versão 2.15.0 – 30 de março de 2012 – Novas funções de balanceamento de carga. Melhorada a velocidade de seriação para vetores longos.
Interfaces
Interfaces de usuário gráficas
- RGUI – vem com uma versão pré-compilada do R para Microsoft Windows.
- Tinn-R– Um ambiente de desenvolvimento em fonte aberta altamente capaz e integrado com destaque para a sintaxe semelhante à do MATLAB. Apenas disponível para Windows
- Java Gui for R – multi-plataforma independente de terminais R e editor baseado em Java (também conhecido como JGR).
- Deducer – Interface de usário gráfica para o menu de análise de dados orientado (similar ao SPSS/JMP/Minitab).
- Rattle GUI – multi-plataforma de interface de usuário gráfica baseada no RGtk2 e especificamente criada para data mining.
- R Commander – multi-plataforma baseada em menus orientados sobre interface de usário gráfica baseada no tcltk (vários plug-ins para Rcmdr também estão disponíveis).
- RapidMiner25 26
- RExcel – usando R e Rcmdr a partir do Microsoft Excel.
- RKWard – Interface de usário gráfica extensível e IDE para R.
- RStudio – multi-plataforma de fonte aberta IDE (que também pode ser corrida num servidor remoto linux).
- A Revolução Analítica [1] disponibiliza um Visual Studio baseado em IDE e tem planos para pontos baseados na web e interfaces de click.
- Weka27 permite a utilização de recursos de mineração de dados em Weka e análise estatística em R.
- Existe um número especial do Journal of Statistical Software (de junho de 2012) que discute as interfaces de usuário gráficas para o R [2].
Editores e IDEs
Editores de texto e ambientes integrados de desenvolvimento (IDEs) com algum suporte para R incluem: Bluefish,28 Crimson Editor, ConTEXT, Eclipse (StatET),29 Emacs (Emacs Speaks Statistics), LyX (módulos para knitr e Sweave), Vim, Geany, jEdit,30 Kate,31 R Productivity Environment (parte da Revolution R Enterprise),32 RStudio,33 TextMate, gedit, SciTE, WinEdt (R Package RWinEdt) e Notepad++.34
Linguagens de Script
As funcionalidades do R foram tornadas acessíveis a partir de diversas linguagens de script como a Python (pelo pacote de interface do RPy35 ), Perl(pelo módulo Statistics::R36 ), e Ruby (com o rsruby37 rubygem). PL/R pode ser usado juntamente, ou em vez da linguagem de script PL/pgSQL no sistema de gestão de bases de dados PostgreSQL e Greenplum. Scripts no próprio R são possíveis via littler38 bem como via Rscript.
useR! conferências
“useR!” é o nome dado à reunião anual oficial dos usuários do R. O primeiro destes eventos foi o useR! 2004 em maio de 2004, em Viena de Áustria.39 Depois de saltar 2005, a conferência useR tem tido lugar anualmente, alternando habitualmente entre localizações na Europa e na América do Norte.40
Esta é lista das conferências useR!:
- useR! 2004, Viena, Áustria
- useR! 2006, Viena, Áustria
- useR! 2007, Ames, Iowa, Estados Unidos da América
- useR! 2008, Dortmund, Alemanha
- useR! 2009, Rennes, França
- useR! 2010, Gaithersburg, Maryland, Estados Unidos da América
- useR! 2011, Coventry, Reino Unido
- useR! 2012, Nashville, Tennessee, Estados Unidos da América
- useR! 2013, Albacete, Espanha
Comparação com SAS, SPSS e Stata
O consenso geral é que o R se compara bem com outros populares pacotes estatísticos, tais como SAS, SPSS e Stata.41 Em janeiro de 2009, o New York Times publicou um artigo sobre o aumento de aceitação do R entre os analistas de dados e apresentando uma potencial ameaça para a quota de mercado ocupada por pacotes estatísticos comerciais, como o SAS.42
Suporte comercial para o R
Em 2007, a Revolução Analítica foi fundada para disponibilizar suporte comercial para a Revolução R, a sua distribuição do R, que também inclui componentes desenvolvidos pela companhia. Os principais componentes adicionais incluem: ParallelR, o ambiente de produtividade IDE para o R, RevoScaleR (para análise de grandes dados), RevoDeployR, quadro de serviços web, e a capacidade para ler e escrever dados no formato de ficheiro SAS.43
Em outubro de 2011, a Oracle anunciou o Big Data Appliance, que integra o R, o Apache Hadoop, o Oracle Enterprise Linux, e uma base de dados NoSQL com o hardware Exadata.44 45 46 O Oracle R Enterprise47 é agora um dos dois componentes do “Oracle Advanced Analytics Option”48 (o outro componente é o Oracle Data Mining).
Outros grandes sistemas de software comercial que suportam conexões ou integração com o R incluem: JMP,49 Mathematica,50 MATLAB,51 Spotfire,52 SPSS,53 STATISTICA,54 Platform Symphony,55 e SAS56 .
TIBCO, o atual proprietário da linguagem S-Plus, está a permitir que alguns dos seus empregados apoiem ativamente o R participando na sua lista de discussão R-Help (anteriormente mencionada), e pelo patrocínio da série useR das reuniões de grupos de usuários. A Google é um grande utilizador interno do R e publica um guia de estilo.57 Patrocina os projetos R nos seus trabalhos Summer-of-Code, e também suporta financeiramente as séries de reuniões useR.
RStudio oferece software, educação e serviços para a comunidade R.
Wikibooks
Tutorial Rápido
Para sair do R, digitar q().
Para procurar qualquer coisa, digitar help.search(“qualquer coisa”).
Normalmente, essa procura vai mencionar a biblioteca necessária para rodar a função. Para carregar a biblioteca, digitar library(“biblioteca”).
É possível escrever comandos em um arquivo e executá-lo, basta digitar source(“arquivo”).
summary(variavel) dá várias informações sobre a variável. Outra forma de obter (ainda mais) informações é digitando variavel[].
getwd e setwd são usados para informar e alterar o diretório de trabalho.
Para buscar ajuda na Internet sobre algum conceito:
- RSiteSearch(“conceito”)
Ver também
Referências
- A Brief History R: Past and Future History, Ross Ihaka, Statistics Department, The University of Auckland, Auckland, New Zealand, available from the CRAN website
- Contributors, site www.r-project.org
- Kurt Hornik. The R FAQ: Why is R named R?. [S.l.: s.n.]. ISBN 3-900051-08-9 Página visitada em 2008-01-29.
- Free Software Foundation (FSF) Free Software Directory: GNU R. Página visitada em 2012-11-13.
- What is R?. Página visitada em 2009-04-28.
- Fox, John and Andersen, Robert. (January 2005). “Using the R Statistical Computing Environment to Teach Social Statistics Courses” (PDF). Department of Sociology, McMaster University.
- Vance, Ashlee. “Data Analysts Captivated by R’s Power“, New York Times, 2009-01-06. Página visitada em 2009-04-28. “R is also the name of a popular programming language used by a growing number of data analysts inside corporations and academia. It is becoming their lingua franca…”
- David Smith (2012); R Tops Data Mining Software Poll, Java Developers Journal, May 31, 2012.
- Karl Rexer, Heather Allen, & Paul Gearan (2011); 2011 Data Miner Survey Summary, presented at Predictive Analytics World, Oct. 2011.
- Robert A. Muenchen (2012);The Popularity of Data Analysis Software.
- Duncan Temple Lang, Calling R from Java
- Jackman, Simon. (Spring 2003). “R For the Political Methodologist” (PDF). The Political Methodologist 11 (1): 20–22. Political Methodology Section,American Political Science Association.
- CRAN Task View: Graphic Displays & Dynamic Graphics & Graphic Devices & Visualization. The Comprehensive R Archive Network. Página visitada em 2011-08-01.
- Dalgaard, Peter. Introductory Statistics with R. New York, Berlin, Heidelberg: Springer-Verlag, 2002. 10–18, 34 p. ISBN 0387954759
- Speed comparison of various number crunching packages (version 2). SciView. Página visitada em 2007-11-03.
- R Development Core Team. Writing R Extensions. Página visitada em 14 June 2012. “[…] we recommend the consistent use of the preferred assignment operator ‘<-’ (rather than ‘=’) for assignment.“
- Google’s R Style Guide. Página visitada em 14 June 2012.
- Wickham, Hadley. Style Guide. Página visitada em 14 June 2012.
- Bengtsson, Henrik. R Coding Conventions (RCC) – a draft. Página visitada em 14 June 2012.
- Assignments with the =Operator. Página visitada em 14 June 2012.
- Robert A. Muenchen. The Popularity of Data Analysis Software.
- CRAN Task View: Reproducible Research
- up your R code using a just-in-time (JIT) compiler
- Package ‘parallel’ (em inglês)
- R Extension Presented on RCOMM 2010
- Data Mining / Analytic Tools Used Poll (May 2010).
- RWeka: An R Interface to Weka. R package version 0.3–17. Kurt Hornik, Achim Zeileis, Torsten Hothorn and Christian Buchta. Página visitada em 2009.
- Customizable syntax highlighting based on Perl Compatible regular expressions, with subpattern support and default patterns for..R, tenth bullet point, Bluefish Features, Bluefish website, retrieved 2008-07-09.
- Stephan Wahlbrink. StatET: Eclipse based IDE for R. Página visitada em 2009-09-26.
- Jose Claudio Faria. R syntax. Página visitada em 2007-11-03.
- Syntax Highlighting. Kate Development Team. Arquivado do original em 2008-07-07. Página visitada em 2008-07-09.
- R Productivity Environment. Revolution Analytics. Página visitada em 2011-09-03.
- J. J. Alaire and colleagues. RStudio: new IDE for R. Página visitada em 2011-08-04.
- NppToR: R in Notepad++. sourceforge.net. Página visitada em 2010-07-11.
- RPy home page
- page on CPAN
- RSRuby rubyforge project
- littler web site
- useR 2004
- useR! – International R User Conference
- of R to SAS, Stata and SPSS
- Vance, Ashlee. “Data Analysts Captivated by R’s Power“, The New York Times, 2009-01-07.
- Timothy Prickett Morgan (2011); ‘Red Hat for stats’ goes toe-to-toe with SAS, The Register, February 7, 2011.
- Doug Henschen (2012);Oracle Makes Big Data Appliance Move With Cloudera, InformationWeek, January 10, 2012.
- Jaikumar Vijayan (2012);Oracle’s Big Data Appliance brings focus to bundled approach, ComputerWorld, January 11, 2012.
- Timothy Prickett Morgan (2011);Oracle rolls its own NoSQL and Hadoop Oracle rolls its own NoSQL and Hadoop, The Register, October 3, 2011.
- Chris Kanaracus (2012);Oracle Stakes Claim in R With Advanced Analytics Launch, PC World, February 8, 2012.
- Doug Henschen (2012);Oracle Stakes Claim in R With Advanced Analytics Launch, InformationWeek, April 4, 2012.
- JMP for Analytical Application Development
- integration with R
- MATLAB R Link
- Integration with S+ and R
- RSS Matters
- R Language Platform | StatSoft
- integrated with Symphony
- Functions in the R Language (SAS/IML)
- R Style Guide
Ligações externas
- The R Project for Statistical Computing Página oficial
- The CRAN (Comprehensive R Archive Network) Project Download dos arquivos
- Tutorial de R LEG: Laboratório de Estatística e Geoinformação da UFPR
- The R Reference Manual – Base Package para os interessados no desenvolvimento do R
[Expandir] |
---|
[Expandir]
Principais linguagens de programação |
---|