❶ R语言的功能
R是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。
与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。
该语言的语法表面上类似 C，但在语义上是函数设计语言（functional programming language）的变种并且和Lisp以及APL有很强的兼容性。特别的是，它允许在“语言上计算”（computing on the language）。这使得它可以把表达式作为函数的输入参数，而这种做法对统计模拟和绘图非常有用。
R是一个免费的自由软件，它有UNIX、LINUX、MacOS和WINDOWS版本，都是可以免费下载和使用的。在那儿可以下载到R的安装程序、各种外挂程序和文档。在R的安装程序中只包含了8个基础模块，其他外在模块可以通过CRAN获得。
R的源代码可自由下载使用，亦有已编译的执行档版本可以下载，可在多种平台下运行，包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。 R主要是以命令行操作，同时有人开发了几种图形用户界面。
R内建多种统计学及数字分析功能。因为S的血缘，R比其他统计学或数学专用的编程语言有更强的物件导向(面向对象程序设计)功能。
R的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号。
虽然R主要用于统计分析或者开发统计相关的软体，但也有人用作矩阵计算。其分析速度可媲美GNU Octave甚至商业软件MATLAB。
R的功能能够通过由用户撰写的套件增强。增加的功能有特殊的统计技术、绘图功能，以及编程界面和数据输出/输入功能。这些软件包是由R语言、LaTeX、Java及最常用c语言和Fortran撰写。下载的执行档版本会连同一批核心功能的软件包，而根据CRAN纪录有过千种不同的软件包。其中有几款较为常用，例如用于经济计量、财经分析、人文科学研究以及人工智能。
❷ s语言和r语言有什么区别
一、用法不同
1、S语言：S语言用来进行数据探索、统计分析、作图的解释型语言。
2、R语言：R是自由软件，是一种可编程的语言。
二、开发人员不同
1、S语言：语言是由AT&T贝尔实验室开发的。
2、R语言：后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。
(2)r语言绘图和c语言绘图的区别扩展阅读：
R语言的特点
1、R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。
2、R是一种可编程的语言。作为一个开放的统计编程环境,语法通俗易懂，很容易学会和掌握语言的语法。
3、所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时,它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现,标准安装文件中所包含的程序包也随着版本的更新而不断变化。
4、R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口口中得到提示，对以前输入过的命令有记忆功能，可以随时再现、编辑修改以满足用户的需要。
5、如果加入R的帮助邮件列表一，每天都可能会收到几十份关于R的邮件资讯。可以和全球一流的统计计算方面的专家讨论各种问题。
❸ r语言高级绘图函数和低级绘图函数有什么区别
R和C这些语言不一样，同一个函数，不同的输入可能会有不同的返回值类型。对于一次特定的调用，可以用class()、typeof()函数看类型，其中class()给的是更“高级”一点的类型概念，typeof()用得比较少，给的是“低级”一点的类型概念。
❹ R语言是一种什么样的语言
R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。R基于S语言的一个GNU计划项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。
R的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。R主要是以命令行操作，同时有人开发了几种图形用户界面，其中RStudio是最为广泛使用的集成开发环境。
❺ r语言 matlab 区别
R是免费的。R更像一个语言，可以自己开发很多东西。但是命令行界面，中文相关的教材极少。
MATLAB收费，不过国内盗版也无所谓啦。有图形界面，相关的教材也多，不过MATLAB是一种数学工具，除了统计学之外还有很多用处。
1.matlab的语法更适合于矩阵操作。R的矩阵操作就要稍弱一点了。
2.R有大量的新的且高质量的包可用。如果一个研究者提出了一个新算法，实现这个算法的R包很快就出来了。但是，matlab几乎无这种可能。不过，matlab提供了很多工具箱，是成熟的、组织良好的一些算法的实现。包和工具箱，就好比是零售和批发的关系。哪个更好，依人而论。
3.R是免费的，轻量级的。matlab的很贵的，并且也是很笨重的。
4.在统计学方面，特别是在内置函数数量和质量以及处理大数据集的能力上，R要优于matlab。
5.R有CRAN，在这里几乎可以找到所有需要的东西，包括最新的算法的实现和常用统计技术。matlab的论坛东西相对较少。
6.matlab的文档写的更好。
7.matlab的UI比R更漂亮，不过Rstudio差不多弥补了R的这个不足。
❻ r语言和c语言哪个难
r语言是统计用的，c语言是一种计算机高级语言，可以写各种程序。其实两者不是一个层面的东西，r语言更像是一种应用程序提供的功能，如果非要分个难易，在你用来搞统计的情况下，r语言应该要容易一些。
❼ 什么是R语言
R是用于统计分析、绘图的语言和操作环境。R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。
R 是统计领域广泛使用的诞生于 1980年左右的 S 语言的一个分支。 S的主要设计者John M. Chambers 因为S语言方面的工作获得了1998年 ACM 软件系统奖（ACM Software Systems Award）。
R可以在多种平台下编译和运行，包括UNIX (也包括FreeBSD和Linux)、Windows和MacOS。
该语言的语法表面上类似 C，但在语义上是函数设计语言的（functional programming language）的变种并且和Lisp 以及 APL有很强的兼容性。特别的是，它允许在“语言上计算”（computing on the language）。这使得它可以把表达式作为函数的输入参数，而这种做法对统计模拟和绘图非常有用。
❽ 为什么用r语言
R是一款开源软件，任何人都可以对它进行编辑，开发者非常之多，拥有无数好用方便的函数和功能，并可以随着统计学等学科的发展快速实时更新内容
R的作图功能非常强大，许多国际学术杂志上高端的图表都是使用R制作的
R语言比C语言等更加灵活，易于掌握，熟练之后十分好用
R语言兼容性强，excel文件等各种格式的文件都可以相当方便地导入R软件中
R语言是生命科学、生态学等学科研究的国际通用语言，从事这方面研究基本都要用到
❾ r语言绘图函数高级，低级有什么区别
2D制图：CDR，3D制图：3DMax
CDR：平面制图中的功能非常强大，CDR可以很完美的制作出矢量图（放大后图像不会失真）。同时CDR还集成了矢量动画、页面设计、网站制作、位图编辑和网页动画等多种功能。
3DMax：3D制图软件的首选（很多的3D电影也是用其制作），3Dmax拥有很强的绘制3D模型和渲染场景的能力，3Dmax做出的3D场景和模型有很高的细腻性。
CDR非常适合平面制图的初学者，对于入门设计者来说，使用CDR无疑是最合适的，简单的操作模式、丰富的图像处理工具都是图像制作者的首选。
3DMax在3D制图软件的占有率非常高，无论是单纯的制作场景还是制作动画特效，3DMax几乎是作为必备软件，其强大的渲染能力（VR）是其它软件无法比拟的。当然，3DMax对于新人也非常友好，软件本身就集成了基础的教学视频，多视图操作会让新手非常容易适应。
当然，还有很多其它的制图软件，2D制图AI、3D制图草图大师等，这里说的CDR和3DMax是制作图形工具的业界标杆。用有强大的功能和对新人的友好性。
需要特别指出的是，3DMax和CDR都是有“免费版”的。至于大家都熟悉的Photoshop软件，严格来讲它并不是图像制作软件，Photoshop的定位和功能更多的方面在于图像处理而不是图像制作。
❿ R语言绘图
我就用ggplot2包来做吧，逼格高一点。。。o(╯□╰)o
我是把所有行都放在一个图里，用颜色来区别行数。有更多要求就再问（希望不是太麻烦。。。）
要先安装ggplot2，可以在联网状态下输入install.packages("ggplot2")自动安装。
假设你的矩阵变量名为matrix
d<-dim(matrix)
y<-as.numeric(t(matrix))
row<-factor(rep(1:d[1],each=d[2]))
x<-rep(1:d[2],times=d[1])
data<-data.frame(y=y,x=x,row=row)
library(ggplot2)
ggplot(data=data,aes(x=x,y=y,group=row,color=row))+geom_line()