我毫不犹豫的选择R。R不仅是2014年，也是以后更长一段时间的主角。
1. 我的编程背景
本人程序员、架构师，从编程入门到今天，一直深信着Java是改变世界的语言，Java已经做到了，而且一直很辉煌。但当Java的世界越来越大，变得无所不能的时候，反而不够专业，给了其他语言发展的机会。
本次要比较要5种编程语言(NODE，LUA，Python，Ruby，R)，这些都是非常优秀的，在特定领域发展壮大的语言。
我已使用Java语言 11年，R语言 3年，Node 1年，对于本次问题 “哪个语言在2014年的应用前景会更好？”，我选择R语言。
2. 为什么我会选择R？
我会从下面的几个方面，来说明我选择R的原因。
1). R的基因
R是统计学家发明的语言，天生具有统计的基因。
从我开始学习R语言，我就开始了知识的跨界思考。统计基于概率论，概率论又基于数学，用计算机的方式编程，解决某个领域的实际问题。简单一算，4个学科知识的交集，决定着我们解决问题的能力。统计的基因，让R语言与众不同！
2). R的发展
R一直在小众领域成长着，最早也只有统计学家在用，主要用R来代替SAS做统计计算。时代在进步，随着大数据的爆发，R终于在这一波浪潮中，被工业 界所发现。然后，有越来越多的工程背景的人加入到这个圈子，对R计算引擎，R的性能，R的各种程序包进行改进和升级，让R获得了新生。
我们现在用到的R语言软件，已经越来越接近工业软件的标准了。由工程师推动的R的发展速度，远远地超过了由统计学家推动的步伐。随着人们对数据分析要求的进一步增加，R会以更快的脚步继续发展，将成为免费的、开源的、数据分析软件的代名词。
3). R的社区和资源
R的发展，离不开R的社区支持。当然，我不得不承认R的官方社区，从Web页上看起来太简陋了，稍微调整一下CSS样式表，都会比现在好看很多。也许这种简单、无修饰也是统计学家的基因吧。
在R的社区中，我们可以下载到R语言软件，R的第三方软件包，和R的其他支持软件。可以找到开发者论坛，R-Journal列表，软件包列表，R语言图书列表，R用户组等的信息，同其他语言的社区资源一样丰富。
R是自由软件，开发者可以开发自己的软件包，封装自己的功能，然后在CRAN上面发布。截止到2014年2月，共有5236个R包在CRAN上面发布。
可能很多人会说只有5236个包，数量太少了。这是因为CRAN是需要提交申请的，R语言小组审核，检查后再会发布的出来。而且审核非常严格的，高 质量是发布一个新的R包基本要求。由于CRAN过于严格的审查，让很多的开发者选择在RForge上发布，还有些R包是基于Github发布的，我也在 github上面发布了自己的R包：https://github.com/bsspirit/chinaWeather。
R官方地址：http://www.r-project.org/
R开发者论坛：http://r.789695.n4.nabble.com/
RForge:https://r-forge.r-project.org/
4). R的哲学
每种语言都有自己的设计理念和哲学，而我体会的R的哲学，就是“静下心做事情”。
R不需要很长的代码，R也不需要设计模式。一个函数调用，传几个参数，就能实现一个复杂的统计模型。我们需要思考，用什么模型，传什么参数，而不是怎么进行程序设计。
我们可能会用R实现 “从一个数学公式，变成一个统计模型” 的过程，我们也可能会考虑 “如何让一个分类器结果更准确”，但我们不会思考 “时间复杂度是多少，空间复杂度是多少”。
R的哲学，可以让你把数学和统计学的知识，变成计算模型，这也是R的基因所决定的。
5). R的使用者
R语言早期主要是学术界统计学家在用，在各种不同的领域，包括统计分析，应用数学，计量经济，金融分析，财经分析，人文科学，数据挖掘，人工智能，生物信息学，生物制药，全球地理科学，数据可视化等等。
近些年来，由互联网引发的大数据革命，才让工业界的人，开始认识R，加入R。当越来越多的有工程背景的人，加入到R语言使用者的队伍后，R才开始像着全领域发展，逐步实现工业化的要求。
RevolutionAnalytics公司的RHadoop产品，让R可以直接调用Hadoop集群资源
RStudio公司的RStudio产品，给了我们对于编辑软件新的认识
RMySQL, ROracle, RJDBC 打通了R和数据库访问通道
rmongodb, rredis, RHive, rhbase, RCassandra 打通过R和NoSQL的访问通道
Rmpi, snow 打通了单机多核并行计算的通道
Rserve,rwebsocket 打通了R语言的跨平台通信的通道
R不仅是学术界的语言，更将成为工业界必备的语言。
6). R的语法
R是面向对象语言，语法如同Python。但R的语法很自由，很多函数的名字，看起来都是那么随意，这也是R的哲学的一部分吧！
看到这样的赋值语法，有其他语言基础的程序员，肯定会崩溃的。
> a<-c(1,2,3,4)->b
> a
[1] 1 2 3 4
> b
[1] 1 2 3 4
随机取正态分布N(0,1)的10个数，又是这么的简单。
> rnorm(10)
[1] -0.694541401 1.877780959 -0.178608091 0.004362026
[5] 0.836891967 1.794961298 0.115284187 0.155175219
[9] 0.464028612 -0.842569561
用R画鸢尾花的数据集的散点图，非常好的可视化效果
> data(iris) #加载数据集
> head(iris) #查看前6行数据集
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
> plot(iris) #画图
正是因为R自由哲学，让R的语法独特而简洁，我已经喜欢上这种哲学了。
7). R的思维模式
R语言让我跳出了原有思维定式。使用R语言，我们应该从统计学的角度想问题，而不是计算机的思维模式。
R语言是直接面向数据的语言。在我们的日常生活中，无论做什么事情都会产生数据，上网有浏览数据，买东西有消费数据，就算什么都不干，也会受大气PM2.5的影响。利用R语言，我可以直接分析这些数据。
面向什么业务，就分析什么数据，不需要从产品经理向程序员的角色转换，不需要考虑有什么功能，更不需要考虑程序设计的事。
跳出程序员的思维模式，你所能认知的东西会更多，找到更适合自己的定位。
8). R解决的问题
当数据成为生产资料的时候，R就是为人们能运用生产资料创造价值的生产工具，R语言主要解决的是数据的问题。
在很长期的历史时期，人类产生的数据都没有自互联网诞生以来产生的数据多；当Hadoop帮助人们解决了大数据存储的问题后，如何发现数据的价值，成为当前最火的话题。R语言的统计分析能力，就是数据分析***的工具。
所以，R要解决的问题，就是大数据时代的问题，是时代赋予的任务。
9). R的不足
前面说了太多R的优点了，R也有很多不足之处。
R语言是统计学家编写的软件，并不如软件工程师编写的软件那么健壮。
R语言软件的性能，存在一些问题。
R语言很自由，语法命名不太规范，需要花时间熟悉。
R语言结合了很多数学、概率、统计的基础知识，学起来有一定门槛。
R的这些不足，都是可以克服的。当有更多的工程背景的人加入的时候，R语言会比现在更强大，帮助使用者创造更多的价值。
3. R的应用前景
R可以做所有SAS做的事情。
R应用最热门的领域：
-
统计分析：包括统计分布，假设检验，统计建模
-
金融分析：量化策略，投资组合，风险控制，时间序列，波动率
-
数据挖掘：数据挖掘算法，数据建模，机器学习
-
互联网：推荐系统，消费预测，社交网络
-
生物信息学：DNA分析，物种分析
-
生物制药：生存分析，制药过程管理
-
全球地理科学：天气，气候，遥感数据
-
数据可视化：静态图，可交互的动态图，社交图，地图，热图，与各种Javascript库的集成
R有着非常广阔的应用前景，而且R也将成为新一代的最有能力创造价值的工具。
4. 时代赋予R的任务
R语言是在大数据时代被工业界了解和认识的语言，R语言被时代赋予了，挖掘数据价值，发现数据规律，创造数据财富的任务。
R语言也是帮助人们发挥智慧和创造力的***的生产工具，我们不仅要学好R语言，还要用好R语言，为社会注入更多的创新的生产力。
所以，通过上面的几节内容所有的文字描述，我认为“R是最值得学习的编程语言”。不论你还在读书，还是已经工作，掌握R语言这个工具，找最适合自己的位置，前途将无限量。
***总结：在这5种语言中，R是最特殊的，R被赋予了与其他语言不同的使命。R的基因决定了，R将成为2014年，也可能是以后更长一段时间的主角。
