Introduzione all’analisi dei dati con R

“Programming language R is known for fitting statisticians and data scientists like a glove”.[1]

“As statistics and large-scale data visualization become increasingly important, R has regained popularity, ending up again in the top 10 languanges on the popular ranking of TIOBE”. [1]

Quale momento migliore quindi per aggiungere questo strumento al nostro bagaglio di competenze?

R – La storia

R è un linguaggio di programmazione e un ambiente open source gratuito progettato specificamente per l’elaborazione statistica, l’analisi dei dati e la rappresentazione grafica dei dati.

Il linguaggio R nasce alla metà degli anni ’90 come risposta all’esigenza crescente di strumenti avanzati per la statistica computazionale e l’analisi dei dati.
La sua origine è strettamente legata a S, linguaggio sviluppato nei Bell Laboratories a partire dagli anni ’70 per supportare attività di analisi statistica avanzata, modellazione e visualizzazione scientifica.

R può essere considerato la sua naturale evoluzione open source, pensata per rendere la statistica moderna accessibile alla comunità accademica e professionale.

R viene sviluppato nel 1993 da Ross Ihaka e Robert Gentleman, due ricercatori dell’Università di Auckland (Nuova Zelanda), con l’obiettivo di offrire un ambiente di analisi dati potente, flessibile e fortemente orientato alla ricerca e l’utilizzo in ambito accademico prima ancora che in ambito professionale o business. La leggenda dice che il nome R fu scelto in quanto naturale prosecuzione alfabetica dopo la S, ma anche iniziale dei due autori [2].

La prima versione pubblica diventa disponibile nel 1995, mentre nel 2000 nasce ufficialmente il R Core Team, il gruppo di manutenzione e governance che ancora oggi coordina lo sviluppo del linguaggio e delle sue componenti principali.

Fin dai primi anni, R viene adottato rapidamente nel mondo accademico grazie alla sua natura open source, alla forte orientazione matematica e alla possibilità di estendere facilmente il linguaggio tramite pacchetti.

Questa caratteristica favorisce la nascita di una comunità globale estremamente attiva, che contribuisce a costruire nel tempo un ecosistema ricchissimo: repository come CRAN (Comprehensive R Archive Network) diventano un punto di riferimento per statistici, ricercatori, analisti e data scientist.

I primi anni di diffusione di R sono caratterizzati da una crescita progressiva ma solida: da strumento prevalentemente universitario e di ricerca, il linguaggio inizia a essere adottato anche in ambito aziendale, soprattutto in settori ad alta intensità analitica come finanza, epidemiologia, bioinformatica, economia e, successivamente, data science applicata.
La capacità di eseguire analisi statistiche avanzate, test, modellazione predittiva e visualizzazioni di livello professionale porta R a diventare uno degli standard internazionali per la data analytics.

Con il tempo, R consolida il proprio ruolo come piattaforma di riferimento per l’analisi dei dati, anticipando e poi accompagnando l’evoluzione della disciplina della data science moderna.

Proprio il 2025 ha visto una rinnovata gloria per il linguaggio R, che torna a primeggiare tra i primi 10 software più utilizzati al mondo secondo il popolare TIOBE Index [1].

R – Caratteristiche, unicità e punti di forza

R non è soltanto uno strumento di programmazione, ma un ambiente completo progettato espressamente per la statistica applicata, l’analisi dei dati e la data science. Nel tempo si è affermato come piattaforma di riferimento per ricercatori, analisti quantitativi e professionisti del dato grazie alla sua natura altamente specializzata. Comprendere ciò che differenzia R da altri linguaggi e ciò che invece lo accomuna ad essi è essenziale per valutarne correttamente ruolo e valore.

Cosa rende R unico?

La prima grande peculiarità di R è la sua identità fortemente statistica.

A differenza di molti linguaggi general-purpose successivamente adattati alla data analysis, R nasce già orientato a:

1. modelli statistici avanzati
2. analisi inferenziale
3. machine learning di matrice accademica
4. analisi esplorativa approfondita
5. grafici scientifici di alta qualità

L’ecosistema di R è costruito attorno a CRAN, un repository che raccoglie decine di migliaia di pacchetti sviluppati da università, istituti di ricerca e professionisti del settore. Questo rende R estremamente ricco di metodi specialistici spesso non disponibili, o disponibili solo parzialmente, su altre piattaforme.

Un altro elemento distintivo di R è rappresentato dal suo paradigma funzionale e vettoriale, che incide profondamente sul modo di pensare e progettare le analisi.

R è stato concepito per operare in maniera nativa su vettori, matrici e strutture dati multidimensionali: questo significa che molte operazioni statistiche e numeriche possono essere eseguite direttamente sull’intero insieme dei dati, senza la necessità di scrivere cicli espliciti o logiche iterative complesse come accade in linguaggi di programmazione più tradizionali.

In R, gran parte delle funzioni è progettata per essere vectorized by design, ovvero in grado di elaborare sequenze, serie temporali, array e tabelle in modo compatto e dichiarativo.

Questo approccio migliora la leggibilità del codice, riduce il rischio di errore e rende l’analisi dei dati più aderente al ragionamento statistico, che per sua natura opera su insiemi di osservazioni e non su singoli elementi isolati.

Parallelamente, R incorpora in modo naturale i principi della programmazione funzionale, permettendo di trattare le funzioni come veri e propri oggetti di prima classe.

Questo rende immediata la costruzione di pipeline di trasformazione dei dati, l’applicazione di operazioni complesse su intere strutture e la definizione di processi analitici modulari, riutilizzabili e facilmente manutenibili.

Parallelamente, strumenti come RStudio e i pacchetti del tidyverse hanno reso l’esperienza d’uso altamente produttiva e orientata al lavoro quotidiano di chi analizza dati.

In cosa R è simile ad altri linguaggi di programmazione?

Pur mantenendo una forte identità, R condivide diverse caratteristiche con altri linguaggi ampiamente utilizzati nella data analysis, come Python, Julia o SAS [3].

Anzitutto, R è un linguaggio interpretrato e ad alto livello, con sintassi relativamente accessibile e curve di apprendimento progressive.

Supporta pienamente concetti ormai standard nel mondo della data science:

1. programmazione strutturata e funzionale
2. gestione avanzata di dataset
3. integrazione con database e fonti dati esterne
4. supporto a machine learning, ETL ed elaborazioni su larga scala
5. presenza di librerie dedicate alla business intelligence e alla data visualization

Come altre tecnologie moderne, R è sostenuto da una community estremamente attiva, da una documentazione ampia e da risorse formative diffuse. Inoltre, oggi è perfettamente integrabile in ecosistemi aziendali, pipeline di produzione, ambienti cloud e strumenti di reporting avanzati, come ad esempio Power BI [4].

R o Python? E perché non entrambi?

La contrapposizione tra R e Python è uno dei dibattiti più frequenti nel mondo della data science. Spesso presentati come rivali, in realtà rappresentano strumenti complementari più che alternativi.

Python[4] è un linguaggio general-purpose estremamente versatile, ideale per:

1. sviluppo software
2. integrazione applicativa
3. automazione
4. machine learning orientato alla produzione
5. implementazione in ambienti enterprise

R, al contrario, rimane insostituibile quando si parla di:

1. statistica rigorosa
2. analisi accademica e scientifica
3. metodologie inferenziali strutturate
4. visualizzazioni statistiche avanzate
5. ricerca e prototipazione analitica

In contesti aziendali moderni, la domanda corretta non è “R o Python?”, ma piuttosto:
“Quale strumento è più adatto per questo obiettivo specifico?”

Molti team di data science adottano entrambi, sfruttando:

1. R per analisi statistiche profonde e reportistica avanzata
2. Python per integrazione, sviluppo di sistemi data-driven e deployment

Inoltre, oggi esistono strumenti che facilitano concretamente questa coesistenza.

Ambienti come RStudio, Spyder e Jupyter Notebook consentono l’utilizzo sia di R che di Python nello stesso contesto di lavoro, favorendo pipeline ibride e flussi di lavoro integrati. È quindi possibile combinare librerie statistiche avanzate di R con ecosistemi di machine learning e produzione tipici di Python, senza barriere tecniche rilevanti.

Oggi la presunta “rivalità” tra R e Python appartiene più al passato che alla pratica moderna.

Oggi prevale una visione matura e pragmatica: non competizione, ma complementarità, con l’obiettivo di sfruttare il meglio di entrambi per creare soluzioni di data science più solide, flessibili ed efficienti.

R e RStudio

Quando si intraprende un percorso di analisi dei dati con R, uno dei primi aspetti fondamentali riguarda la scelta dell’ambiente di lavoro. In questo senso, RStudio rappresenta la soluzione di riferimento sia per chi inizia sia per professionisti e team aziendali. Non si tratta di un semplice editor di codice, ma di un IDE completo progettato specificamente per R, con l’obiettivo di rendere più efficiente, strutturato e produttivo il lavoro di analisi.

RStudio offre un’interfaccia chiara e organizzata in pannelli funzionali, che consentono di gestire in modo integrato:

1. script e codice eseguibile;
2. ambiente delle variabili e oggetti in memoria;
3. output grafici e visualizzazioni;
4. gestione dei file di progetto e directory, con eventuale import nel workspace tramite GUI e query editor;
5. documentazione e help contestuale.

Questa struttura rende il lavoro estremamente fluido, riducendo la complessità operativa e permettendo di concentrarsi sull’analisi dei dati anziché sugli aspetti tecnici dell’ambiente.

Dal punto di vista funzionale, RStudio integra nativamente strumenti essenziali per la data science moderna:

1. supporto avanzato ai pacchetti del tidyverse e agli strumenti per la manipolazione dei dati;
2. gestione dei progetti per garantire organizzazione e riproducibilità;
3. funzionalità di debugging e profiling per migliorare qualità e prestazioni del codice;
4. integrazione con sistemi di versionamento come Git;
5. connessioni dirette a database, servizi cloud e fonti dati complesse.

Un ulteriore vantaggio strategico è la forte attenzione alla riproducibilità scientifica.

RStudio supporta pienamente strumenti come R Markdown e Quarto, che permettono di combinare codice, analisi, testo descrittivo e grafici in report dinamici e automatizzabili, ideali per attività accademiche, aziendali e decisionali.

Infine, RStudio è multiplatform, open source e sostenuto da una community globale molto attiva, elementi che lo rendono una scelta solida, scalabile e affidabile sia per singoli analisti sia per organizzazioni complesse.

Programmare in R – elementi essenziali

Per comprendere realmente la logica operativa di R è fondamentale partire dalle sue strutture dati di base. R è progettato per lavorare in modo nativo con insiemi di dati numerici e testuali, permettendo operazioni vettoriali e matriciali estremamente efficienti. In questa sezione vengono presentati i principali elementi fondamentali: vettori, matrici e stringhe, con esempi pratici di creazione e manipolazione.

Vettori in R

Il vettore è la struttura dati più semplice e al tempo stesso più centrale in R.

Un vettore rappresenta una sequenza ordinata di elementi dello stesso tipo (numerico, logico, carattere, ecc.).

La funzione di base per crearli è c().

Creazione di vettori numerici

# vettore numerico semplice
v <- c(1, 2, 3, 4, 5)

# sequenza automatica
s <- 1:10

# sequenza con passo personalizzato
seq_vector <- seq(from = 0, to = 10, by = 2)

Operazioni vettoriali

In R le operazioni matematiche si applicano automaticamente a tutti gli elementi del vettore (vectorized operations):

v + 10 # somma scalare
v * 2 # moltiplicazione
v ^ 2 # elevamento a potenza
log(v) # funzione applicata elemento per elemento

Indicizzazione e slicing

v[1] # primo elemento
v[2:4] # sottoinsieme dal 2° al 4° elemento
v[v > 2] # filtraggio condizionale

I vettori rappresentano la base dell’intero ecosistema dati di R: molte strutture più complesse (matrici, data frame, tabelle) derivano direttamente da essi.

Matrici in R

Le matrici rappresentano strutture bidimensionali costituite da elementi dello stesso tipo. Sono estremamente rilevanti per la statistica, l’algebra lineare e la modellazione numerica.

Si costruiscono principalmente tramite la funzione matrix().

Creazione di matrici

# matrice 3x3 riempita per colonna
m <- matrix(1:9, nrow = 3, ncol = 3)

# matrice riempita per riga
m_row <- matrix(1:9, nrow = 3, byrow = TRUE)

Accesso agli elementi

m[1, 2] # elemento riga 1 colonna 2
m[ ,2] # seconda colonna
m[1, ] # prima riga

Operazioni matriciali

R offre supporto nativo ad algebra lineare e calcolo matriciale:

t(m) # trasposta
det(m) # determinante
solve(m) # inversa (se esistente)
m %*% m_row # prodotto matriciale

Le matrici rendono R particolarmente efficace nelle attività statistiche, econometriche e di machine learning, dove queste operazioni rappresentano una base operativa quotidiana.

Stringhe e vettori di caratteri

Oltre ai numeri, R gestisce in modo avanzato anche dati testuali. Le stringhe sono rappresentate come vettori di tipo character.

Creazione di stringhe

name <- "R programming"
words <- c("data", "science", "analysis")

Operazioni di base

nchar(name) # lunghezza della stringa
toupper(name) # maiuscole
tolower(name) # minuscole
paste("Hello", "R") # concatenazione
paste(words, collapse = " ") # join di vettore di stringhe

Per operazioni più complesse (regex, text mining, natural language processing) esistono librerie avanzate come stringr del tidyverse, particolarmente diffuse in ambito professionale.

R per l’analisi dei dati – alcuni esempi pratici

In questa sezione presentiamo alcuni casi non eccessivamente complessi dal punto di vista computazionale, utili per toccare con mano le potenzialità di R nel mondo reale.

Espansione di Laplace

L’Espansione di Laplace (o sviluppo di Laplace) è una tecnica fondamentale per il calcolo del determinante di una matrice quadrata. Si basa sull’idea di esprimere il determinante di una matrice di ordine 𝑛 n in funzione dei determinanti di matrici di ordine 𝑛 -1,  ottenute eliminando opportunamente righe e colonne.

L’espansione può essere effettuata lungo una qualunque riga o colonna e sfrutta concetti chiave come minori e cofattori.

Dal punto di vista computazionale, questa metodologia è particolarmente efficace quando una riga o colonna contiene molti zeri, rendendo il calcolo più semplice e numericamente più efficiente.

A prescindere dagli aspetti legati all’efficienza algoritmica, l’espansione di Laplace permette di calcolare (almeno in via teorica) il determinante di una matrice n x n per qualsiasi n, interamente a   mano.

A <- matrix(c(
1, 2, 3, 4, 5,
6, 7, 8, 9, 2,
4, 6, 7, 9, 1,
5, 2, 3, 4, 5,
1, 7, 4, 5, 6),
ncol=5,
dimnames=list(
LETTERS[1:5],
letters[1:5]))

# print(A)
laplace <- function(A){

# check matrix is squared
if(!is.matrix(A) || nrow(A) != ncol(A))
stop("A is not a square matrix")

M <- nrow(A)

# trivial cases
if (M == 1) return(A[1, 1])
if (M == 2) return(A[1,1] * A[2,2] - A[1,2] * A[2,1])

# recursive laplace
determinant_value <- 0
for (i in 1:M) {
minor <- A[-1, -i, drop = FALSE] cofactor <- (-1)^(1 + i) * A[1, i] * laplace(minor)
determinant_value <- determinant_value + cofactor
}
return(determinant_value)
}

print(laplace(A))
[1] 704

Pricing di opzioni con Black & Scholes e elementi di sensitivity per le diverse greche

Nel contesto della finanza quantitativa, il modello di Black & Scholes rappresenta uno degli strumenti fondamentali per la valutazione di strumenti derivati [5].

Oltre al calcolo del prezzo teorico, un aspetto cruciale riguarda l’analisi della sensitività del prezzo dell’opzione rispetto alle principali variabili del modello: prezzo del sottostante, strike price, tasso di interesse, volatilità e tempo a scadenza.

Queste sensibilità, note come “Greche”, permettono di comprendere come variazioni nei parametri influenzino il valore dell’opzione e sono essenziali nella gestione del rischio, nelle strategie di copertura e nell’attività di trading quantitativo. Il codice sviluppato consente di rappresentare graficamente tali relazioni, offrendo una visualizzazione immediata e intuitiva dell’impatto di ciascun parametro sul prezzo dell’opzione secondo la formulazione di Black & Scholes.

In questo esempio in particolare vediamo la potenza del calcolo vettoriale di R e la rappresentazione di una serie di grafici in modo non elementare.

# Sensitivities Charts of Black and Scholes Option Pricing Algorithm
# to Option Price, Stock Price, Vol and Times.

black_scholes <- function(S, X, r, T, sigma) {
d1 <- (log(S/X)+(r+sigma^2/2)*T)/(sigma*sqrt(T))
d2 <- d1 - sigma * sqrt(T)
Call <- S*pnorm(d1) - X*exp(-r*T)*pnorm(d2)
Put <- X*exp(-r*T) * pnorm(-d2) - S*pnorm(-d1)

return(list(call_option=round(Call,2), put_option=round(Put,2)))
}

S <- 60
S_i <- 60:80
X <- 65
X_i <- 65:85
r <-0.08
r_i <- seq(0, 0.1, by=0.01)
T <- 0.25
T_i <- 1:40
sigma <- 0.3
sigma_i <- seq(0,0.4, by=0.001)

output <- black_scholes(S=S, X=X, r=r, T=T, sigma=sigma)
output_S <- black_scholes(S=S_i, X=X, r=r, T=T, sigma=sigma)
output_X <- black_scholes(S=S, X=X_i, r=r, T=T, sigma=sigma)
output_r <- black_scholes(S=S, X=X, r=r_i, T=T, sigma=sigma)
output_T <- black_scholes(S=S, X=X, r=r, T=T_i, sigma=sigma)
output_sigma <- black_scholes(S=S, X=X, r=r, T=T, sigma=sigma_i)

par(mfrow=c(2, 3))

plot(S_i, output_S$call_option, type = "l", xlab="Stock Prices",
ylab="Call Option Price", main="Stock Prices Progression")
grid(6,6, col="lightgray")

plot(X_i, output_X$call_option, type = "l", xlab="Strike Prices",
ylab="Call Option Price", main="Strike Prices Progression")
grid(6,6, col="lightgray")

plot(r_i, output_r$call_option, type = "l", xlab="Interest Rates",
ylab="Call Option Price", main="Interest Rates Progression")
grid(6,6, col="lightgray")

plot(T_i, output_T$call_option, type = "l", xlab="Time",
ylab="Call Option Price", main="Time Progression")
grid(6,6, col="lightgray")

plot(sigma_i, output_sigma$call_option, type = "l", xlab="Volatilities",
ylab="Call Option Price", main="Vol Progression")
grid(6,6, col="lightgray")

plot(S_i, output_S$call_option, type = "l", xlab="Stock Prices",
ylab="Call Option Price", main="Call & Put Prices")
lines(S_i, output_S$put_option, type="l", col="red" )
grid(6,6, col="lightgray")

Note

URLs consultati in data 21/12/2025.

[1]  TIOBE.COM TIOBE Index for December 2025 – December Headline: Programming language R is back in the top 10 

[2] https://cran.r-project.org/doc/FAQ/R-FAQ.html#Why-is-R-named-R_003f 

[3] Vuoi scoprire passo-passo il vasto mondo di Python? Inizia dai nostri tutorial e articoli didattici, con codice scaricabile!

[4] Scopri come usare Power BI per le tue analisi dei dati con il nostro tutorial, corredato da un dataset scaricabile!

[5] Occhiena, Carlo, Physics Applications for Finance and their Practical Implementation (March 18, 2025). Available at SSRN: https://ssrn.com/abstract=5209731 or http://dx.doi.org/10.2139/ssrn.5209731