R e Python: uma visão do potencial das ferramentas estatísticas

Quando se busca sobre tratamento de dados estatísticos, há uma ampla oferta de recursos associados a esta demanda em escala mundial. Podem ser citadas como exemplo as linguagens de programação (C, C++, Java, Python, etc.) e também softwares (SAS, R, MATLAB, Orange, etc.), com cada um possuindo pontos fortes e fracos dependendo da aplicação. Particularmente, entre esses, há um destaque para o Python e o R, que tem apresentado um grande aumento em popularidade e aplicações nos últimos anos. O intuito deste texto é mostrar uma visão geral sobre o potencial de ambos os recursos, justificando o crescimento visualizado e servindo como motivação para a exploração dos mesmos independente do ambiente de trabalho.

R se trata de um software com um ambiente de trabalho feito para lidar com estatística computacional e com linguagens de programação gráficas. Ele possui licença aberta sobre os termos GNU (General Public License) e é amplamente utilizado nos mais diversos setores, seja no âmbito empresarial, acadêmico ou científico. (ALKARKHI; ALQARAGHULI, 2020). Além disso, existe ainda uma série de pontos que o tornam atrativo, dentre os quais:

• Ele oferece diversas funções do tipo built-in, que auxiliam para que a construção dos passos da análise se torne mais simples;
• Devido à natureza da regra de licença, é fácil de receber assistência com relação a problemas ou troca de ideias através da comunidade online, além de ser possível o download de todos os pacotes e complementos não importando se há uma filiação a alguma empresa ou se é um desenvolvedor independente;
• A interface é intuitiva, o que torna ele utilizável mesmo que o usuário não tenha aptidão avançada em programação, unido também a presença de vários manuais acessíveis na plataforma;
• É possível plotar gráficos em alta definição facilmente, que se adaptam às condições de interesse, facilitando a visualização;
• Há diversos códigos, comandos e funções disponíveis online de forma gratuita, assim como recursos de capacitação, como cursos, apostilas, etc. (ALKARKHI; ALQARAGHULI, 2020).

A seguir, é mostrado algumas figuras que ilustram um pouco do que foi tratado, no caso a interface com acesso a ajuda e um início de experimentação. Todos esses recursos dão um suporte sólido para os iniciantes, em paralelo a um ambiente que tem ficado cada vez mais robusto para os usuários avançados, instigando aos usuários que estão começando o aprendizado a explorar o software.

As interações foram feitas de forma natural, a soma foi realizada diretamente, a função logarítmica foi escrita da forma que vemos nos livros, a plotagem do gráfico foi rápida com o auxílio de uma das funções built-in do R e quando houve erro no argumento o programa avisou e por último, a matriz construída também foi com auxílio de outra função built-in, tudo muito intuitivo.

Agora, apresenta-se o Python, que se trata de uma linguagem de programação focada na eficiência e produtividade no desenvolvimento e resolução de problemas de interesse. Em vários rankings, se aponta essa como uma das 5 mais populares do mundo (MUELLER, 2018). Também há diversos recursos que a fazem se destacar comparada às demais, entre esses estão:

• Menor tempo de desenvolvimento de aplicações, pois comparado a linguagens como C/C++ e Java, os códigos em Python são entre duas a dez vezes mais curtos, sendo possível alocar esse tempo economizado para a utilização dos apps;
• Mantendo a comparação anterior, o código em Python tende a ser mais fácil de ler, pois tem menos regras de escrita como por exemplo os { , & e ; famosos do C, possibilitando a economia na interpretação e correção de erros;
• Por consequência de menos regras “tradicionais”, a linguagem acaba também sendo mais fácil de aprender em relação as mais antigas, tudo isso culmina em um ambiente realmente mais produtivo. (MUELLER, 2018).

Também será mostrado logo a frente um pouco da interface, de forma a explicitar para novos usuários como os primeiros comandos são intuitivos assim como o acesso a ajuda do ambiente.

Nessa figura, foram feitas apenas 3 interações iniciais e já se pode observar alguns detalhes didáticos da ferramenta, por exemplo:

• Cada cor de texto no Python tem um significado, o roxo representa comandos, o verde representa o conteúdo enviado ao comando, o azul representa a saída (output) de um comando e o preto define entradas que não são comandos; 
• A primeira interação, que foi mostrada na tela “Apresentação PetroPet”, foi feita intuitivamente com a função print, e logo depois, foi feita uma soma, sem sequer precisar chamar alguma função. Isso com a vantagem de não precisar declarar bibliotecas, função main, variáveis e se atentar a detalhes do tipo “{}” e “;” como seria na linguagem C por exemplo; 
• O comando help () possui uma vasta lista de conteúdos e pode ser acessado tranquilamente. Uma observação é que a linguagem é case sensitive, ou seja, diferencia letras maiúsculas e minúsculas, portanto é necessário digitar os comandos de ajuda da forma que aparecem na tabela a seguir. 

Após o exposto, conclui-se que mesmo com uma apresentação de visão geral, já há motivos que de fato tornam as ferramentas atraentes para as mais diversas aplicações, mostrando que faz sentido que elas tenham crescido em popularidade nos últimos anos. Fica como consideração final a reflexão sobre o quanto poderia ser explorado caso houvesse domínio das duas ferramentas simultaneamente, visto o potencial de ambas.

Referências:

ALKARKHI, A. F. M.; ALQARAGHULI, W. A. A. Applied Statistics For Environmental Science With R. 1. ed. Amsterdam: Joe Hayton, 2020. 

MUELLER, J. P. Beginning Programming with Python ® For Dummies ®. 2. ed. New Jersey: John Wiley & Sons, Inc., 2018. 

SANDER, C. TOP 7 ferramentas para análise de dados empresariais. [s.l]. 7 Dez, 2018. Disponível em: https://caetreinamentos.com.br/blog/ferramentas/ferramentas-para-analise-dados/. Acesso em: 09 Jan, 2021. 

Autor: Messias Gutemberg.