我從事資料分析工作已經有十年之久。最初是出於工作需要，我的經理給我一堆資料，我需要處理這些資料。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。後來我開始琢磨如何使用。現在我基本不怎麼使用Excel了。

　　這只是我個人的觀點，但是如果你要分析資料，R更勝任這項任務。下面來說說為什麼R更適合資料分析。

　　這兩款工具的使用方法截然不同。使用Excel時，可以通過滑鼠點選完成大部分工作，你可以訪問介面內不同位置的各種工具。因此Excel非常便於使用（熟能生巧），但是用Excel處理資料非常費時，而且如果接手一個新專案，你必須單調地重複這些流程。使用R時，則通過程式碼完成所有操作。你把資料載入記憶體，然後執行指令碼來研究並處理資料。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更便於使用。如果你在處理多列資料，雖然你只是在處理單個任務，但是卻會看到所有的資料。而使用R時，資料都在記憶體中，只有調出資料才能看到。如果你在轉換或計算，你會處理相關列或行的子集，其他所有資料都在後臺。我覺得這樣更便於關注手頭的任務。完成任務後，可將其儲存在某個資料幀中，其中只包含所需的列或行資料。你建立了正確的資料集，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。

　　藉助R，就可以對其他資料集輕鬆重複相同的操作。因為所有資料都是通過程式碼進行處理和研究，因此對新的資料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滑鼠點選實現，雖然使用者體驗不錯，但對新的資料重複操作卻非常費時而枯燥。而R只需載入新的資料集，然後再次執行指令碼即可。

　　實際上，用程式碼操作也便於診斷並共享你的分析結果。使用Excel時，大多數的分析結果都基於記憶體（資料透視表在這裡，公式編輯器在另一個表格上等）。而在R中，通過程式碼執行所有操作，一目瞭然。如果你在修正一個錯誤，你很清楚在哪裡操作，而如果你需要共享分析結果，只需複製貼上程式碼即可。線上查詢幫助時，你能準確說明所用資料，並提出具體的問題。事實上，大多數時候，你線上提問時，人們都是直接貼出準確的程式碼，來解決你的問題。

　　R中的專案組織更簡單。在Excel中，我要準備一系列表格，可能還要準備多個工作簿，然後適當命名，而且各檔名不得重複。我的專案備註分別儲存在各個檔案中。我的R專案組織單獨設有一個資料夾，我處理過的所有內容都放在其中。清理資料、探索性圖表及模型。這樣便於我理解和查詢，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的簡潔性更便於使用。

　　上述幾點只能說是錦上添花，而並不是必不可少。在沒有這些功能之前，我也用了好幾年Excel，你應該也一樣。現在，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更適合用於資料分析。原因如下。

　　你可以把任何資料載入R。資料的儲存位置或儲存形式並不重要。你可以載入CSV檔案，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處理大資料。

　　R是一個完整的工具集，使用的是資料包。在分析資料時，R比Excel更實用。你可使用R執行資料管理、分類和迴歸，也可以處理圖片，並執行其他所有操作。如果機器學習是你的專業，那能想到的任何演算法都是小菜一碟。目前，R可用的資料包逾5,000個，因此無論你要處理什麼型別的資料，R都能應付自如。

　　R的資料視覺化效果非常卓越。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。藉助ggplot2，你可以快速建立所需的各種圖表，並根據圖表形狀自行調整。在你熟悉瞭如何用ggplot2建立一個圖表後，任何其他圖表都不在話下。ggplot2還能製作更多型別的圖表。你能用Excel建立散點圖矩陣嗎？用R就能輕鬆建立這種矩陣，CDFplot也是如此。Excel棋差一招。

　　Git版本控制。我一向習慣儲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，其支援專案。建立一個專案倉庫，然後你就能跟蹤資料研究的不同版本。你可以建立不同版本的Excel檔案，但是這些儲存的二進位制檔案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。總之，Excel是一款不錯的資料分析工具。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組更完整。而缺點在於不是非常易於上手，使用者一開始相對要花很多時間學習使用。如果堅持下去，就會有所收穫，不僅對資料更瞭解，還提高了自己的能力。