圖片來源：Wikipedia
從六月中開始放暑假後，也學了快三個月的 R 語言。有一天我爸瞄到我正在打 code，就問這是什麼。我跟他簡單解釋說 R 是一個用來進行數據處理和分析的程式語言，沒想到他反問我為什麼不用 Excel 做就好。對耶！好問題！老實說，我之前並沒有仔細想過這件事，只是覺得學了一個程式語言好酷好潮，以後如果需要統計分析時就多了一個工具可以使用，如此而已。
平常使用 Excel 的頻率也不高，最多就是會使用常見函數和樞紐分析而已，R 也只有學了短短的 70 多天，討論這個題目其實說服力有點薄弱。不過對於剛踏入資料科學領域的我來說，這確實是個值得思考的問題，藉此了解各種工具的優缺點，未來也才能合理地運用它們。
網路上已經有不少人討論過這個問題了，但我想結合自己學習和使用的心得，以研究人員、資料科學家（而非一般人）的角度，將 R 比 Excel 優秀的部分，依據我個人有感程度分成以下八點敘述：
一、再現性 (Reproducibility)
某人用了某份數據做出了 A 結論，另一人也可以用相同的數據做出類似於 A 的結論，這就稱為再現性，是科學研究中十分重要的概念。 在 R 中，包含資料的下載、讀取、清理和分析等操作，都是藉由「程式碼 (code)」執行，因此每個步驟都扎扎實實地以程式碼的形式被紀錄下來（甚至可以加上註解讓他人容易理解）。別人只要照著程式碼 run 一遍，便可得到相同的結果。而另一方面，Excel 是利用圖形使用者介面 (GUI, Graphical User Interface) 進行大部分的工作，幾乎所有的操作都可以藉由「滑鼠點擊」完成（VBA 例外），雖然簡單、方便、直覺，但除非我們詳細記錄了每一個操作步驟，不然別人是很難一眼看出我們是如何進行分析而得出結果的。
二、自動化
自動化原本就是機器和電腦的優勢，R 可以讓人類教導機器，學習如何依照我們的想法，將單一且重複的工作自動完成，提升效率。當遇到相同格式的資料和數據時，我們可以使用同一份 R Script 進行處理及分析。反觀 Excel，因為是 GUI-based 的軟體，每個步驟都要經由人工點擊的方式進行，所以即使拿到同樣格式的資料，我們還是要從頭開始一步步處理。
三、開源 (Open Source)
相對於微軟的付費產品 Excel，R 作為一個開源的語言，每個人都能免費下載，使用者們也可以貢獻自己的智慧結晶，將修改過或是全新的函數寫成套件 (package)，擴充 R 的功能。2017 年初，CRAN 上的套件數量尚不足一萬個，但短短幾個月，已經上升到了 11418 個（截至 2017/09/15），而這個數目還不包含 Bioconductor 上的套件呢，可見使用 R 的社群仍持續蓬勃發展。
四、易於操作大型資料
大家應該多多少少都有遇過開啟 Excel 檔時，因為資料量過於龐大而當機的狀況。在現今這個充滿數據的時代，上萬筆、甚至上百萬筆的巨量數據集隨處可見，Excel 對於這種資料的處理可能就不是這麼適合。在 R 中，數據集匯入後，它會儲存在後台，儘管我們沒辦法看到看到資料的全貌（要另外輸入其他指令），但卻能加速資料操作的效率。
（然而不能忽略的是，R 能處理的資料大小也會受限於 RAM 的多寡。）
五、繪圖功能強大
Excel 的繪圖功能對於一般人來說其實已經很足夠了，經過一些方法美化後其實也還能看。但對於研究人員來說，想要將分析結果發表在期刊上，Excel 做出來的圖表還是力有未逮。而 R 的繪圖功能可以用「extraordinary」來形容，也許是因為 R 本來就大多是專業研究人員在使用吧。內建的繪圖函數已經十分優秀，另外又有人開發出 lattice 和 ggplot2 等套件，讓使用者能夠客製化自己想要的圖表，讓繪圖變得更容易且美觀。
六、可以讀取多種檔案格式
就我所知，Excel 只能開啟 xlsx、csv 和 txt 格式的檔案，但 R 除了這些格式之外，只要運用他人開發出來的套件，就能開啟如 json、xml、html 等格式的檔案。而通常 Open Data 或是網路爬蟲取得的資料也會是 csv、json 或 xml 的格式，此時 Excel 只有乾瞪眼的份。
七、統計方法強大
R 當初就是為了統計分析而開發出來的語言，也因此有許多 Excel 中沒有的進階統計方法，這對於研究人員來說是個不能忽視的部分。
（我統計太弱，寫不出什麼東西 XD）
八、版本控制
有時候我們會需要和他人協作專案，此時版本控制就顯得很重要了。使用 Git 能讓我們對資料夾進行版本控制。除了可以追蹤每個人更動的地方，它甚至可以回溯之前的版本，使錯誤發生時能即時挽回。而這個部分是 Excel 望塵莫及的。
那 Excel 什麼時候能派上用場？
說了這麼多 R 的優點，那我們是不是可以摒棄 Excel 了呢？好像也不是這樣。我認為若想要對手上資料有個初步認識時，Excel 能讓我們很快速地看到資料長怎麼樣，方便我們規劃後續操作。更現實一點的問題是，R 是個程式語言，學習曲線較陡峭， 如果不是需要進行學術研究或是工作上需要，一般人應該也沒有理由去學。
畢竟 Excel 的試算表 (speadsheet) 歷經了時間的考驗仍為多數人所使用，表示它還是不失為一個好設計，讓一般人能夠處理、分析資料，將結果視覺化呈現，使人了解資料背後的意義。正所謂「能捉老鼠的都是好貓」，不論是 R 還是 Excel，只要能根據不同狀況使用，幫助我們順利完成工作，那不都是好工具嗎？