R 哈斯克尔适合做统计分析吗

问题在标题中。基本上我在寻找R的替代品。 我一直在使用R，关于它有一些非常好的东西（特别是data.frame plyr和ggplot），但是我非常喜欢Haskell和类型推断，所以我想知道使用Haskell进行“简单”统计分析是否是一个好的选择

我的基本需要是：

• 读/写CSV
• 导入SQL表
• 对数据执行一些基本的“mapReduce”。其中R很好，但我认为Haskell也应该同样好

---

然而，我对Haskell的经验是，在处理真实世界的数据之前，一切都很好。您总是会遇到性能问题（和soonish），因为即使在理论上您应该编写功能代码，也不必担心计算机正在做什么，如果您不使用适当的库并且不是Haskell专家，东西真是太慢了。

一个好方法是尝试在Haskell和R中解决同样的统计问题，看看哪一个对你来说最简单。当然，我只是想利用其他人的经验来节省时间；-）这是一个合理的问题。在R线程中似乎有一种过度热情的方法来进行节制。无论如何，这里有一个Haskell统计数据包的链接。我想你需要问自己的问题是，如果我以后需要运行一些复杂的分析，那么它的可伸缩性会有多大？我都使用了R和Haskell进行统计分析（我更喜欢Haskell，而不是R），我的答案是：这要看情况而定。R有更多的库，并且在R中完成常见任务（如阅读CSV）要快得多。此外，R比Haskell更适合于交互式实验（您可以使用ghci，但它对图形等的支持确实不尽相同）。另一方面，我发现Haskell更易于维护。如果您的快速探索倾向于变成长寿命的程序，那么可能仍然值得使用Haskell。请查看

lambda.r

包，该包促进了r中Hasekll风格的函数式编程。