藉助 R，就可以對其他資料集輕鬆重複相同的操作。因為所有資料都是透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，大多數操作都是透過滑鼠點選實現，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，透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。在 線查詢幫助時，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。
藉助 R，就可以對其他資料集輕鬆重複相同的操作。因為所有資料都是透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，大多數操作都是透過滑鼠點選實現，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，透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。在 線查詢幫助時，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 中透過 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。
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 獲，不僅對資料更瞭解，還提高了自己的能力。