【肖凯】如何学习好R语言

迈不过友情╰ 2022-08-02 04:42 140阅读 0赞

\#\# 学习 R 的方法

知识和耐心，是成为强者的唯一方法。

\- 通过阅读来学习。  
  包括了阅读经典的教材、代码、论文、学习公开课。  
\- 通过牛人来学习。  
 包括同行的聚会、讨论、大牛的博客、微博、twitter、RSS。  
\- 通过练习来学习。  
 包括代码练习题、参加kaggle比赛、解决实际工作中的难题。  
\- 通过分享来学习。  
 包括自己写笔记、写博客、写书、翻译书，和同伴分享交流、培训新人。

\#\# 阅读清单

一、初学入门：  
《R in Action》  
从统计角度入手，分高中低三部分由浅入深的讲解了如何用R来实现统计分析。  
《The Art of\_R Programming》  
从程序编写的角度入手，对R的本身特点进行了清晰的介绍。  
《learning R》  
这本书没有单纯的讲语法，而是和数据分析的流程结合了起来，从数据获取到数据整理再到分析和报告，有一气呵成的感觉，此外最后两章讲如何写稳健的R代码以及写包都是非常精彩的。

二、统计进阶：  
《A Handbook of Statistical Analyses\_Using\_R》  
《Modern Applied Statistics With S》  
这两本书基本上涵盖了统计的一些高阶内容，例如多元分析、多层回归模型、荟萃分析、生存分析等内容。案例丰富，公式不多，值得反复学习参考。

三、科学计算：  
《Introduction to Scientific Programming and Simulation Using R》  
《Mastering Scientific Computing with R》  
除了统计分析外，独特之处在于使用R来做数值分析，如求根，最优化，数值积分。还包括了一些常见的模拟技术。书后的习题和最后的案例非常有用。

四、数据挖掘：  
《Practical Data Science with R》  
以R本身的扩展包和函数入手，很有体系的介绍了数据科学的各个方面。  
《An Introduction to Statistical Learning》这本书可以说是另一本数据挖掘大作《The Elements of Statistical Learning》的R实现手册，体系结构基本一致，更强调用R来实现，更难得的地方是提供了很好的习题。  
《Data Mining with R Learning with Case Studies》  
《Machine Learning for Hackers》  
两本侧重于数据挖掘的R书，全是以案例为线索，示范的代码量很大。跟一遍下来会有很大的收获。  
《Data Mining explain using R》  
用基本函数来实现各种机器学习算法，对理解算法底层很有帮助。  
《Data Science in R》  
以案例为主的书，需要一定的数据挖掘基础。

五、数据绘图：  
《ggplot2 Elegant Graphics for Data Analysis》  
ggplot2还有什么好说的呢，R中最优秀的绘图包，但由于近期该包升级很快，这书显得有些过时。好在中文版进行了大幅更新，即将面世。  
《R Graphics Cookbook》这本书也是RStudio公司的人出的，似乎是Hadley的学生吧，主要是各种ggplot2包的例子，也包括了用其它包来画图，建议通读一遍。

六、参考手册：  
《R Cookbook》  
《R in a Nutshell》  
有时候我们需要类似词典的案头参考手册，以方便随时查阅。又或者可以通读一遍以查漏补缺。上面两本书虽然有些厚度，但仍然推荐之。后者的中文版也在翻译状态。

七、高级编程：  
《R Programming for Bioinformatics》  
《software for data analysis programming with R》  
如果你是初学者，不要去看上面两本书。如果你想进阶为专家级R用户，那你需要精读它们。前者讲解了R少为人知的一面，例如字符处理、正则表达和XML，还有报错处理以及与其它语言的交互。后者更是编写生产级代码的圣经指南。  
《Advanced R programming》Hadley的力作，清楚的讲解了R的函数式编程思想和写R包的各种细节，要迈入R高手，不得不读。

**李舰和肖凯的作品《数据科学中的R语言》（六月份出版）**

\#\# 阅读建议：  
\- 在阅读时做笔记，以记下一些重点或心得  
\- 在阅读代码时，要在 R 环境中亲手键入代码并理解其意义  
\- 坚持练习,尝试利用身边的数据进行应用分析  
\- 理解扩展包和函数背后的原理（引用论文?glm）

\#\# 网络资源

\- \[R语言官方站\](http://www.r-project.org/)  
\- \[R-blogger\](http://www.r-bloggers.com/)  
\- \[R语言资源汇总\](https://github.com/qinwf/awesome-R)  
\- \[R语言搜索引擎\](http://www.rseek.org/)  
\- \[R函数在线帮助\](http://www.rdocumentation.org/)  
\- \[关于R的问答网站\](http://stackoverflow.com/questions/tagged/r)  
\- \[一个入门级的R在线教程\](http://tryr.codeschool.com/)  
\- \[交互式的R在线教程\](https://www.datacamp.com)  
\- \[统计之都\](http://cos.name/)  
\- \[我的博客\](http://xccds1977.blogspot.com)  
\- \[美国计算机世界杂志提供的Ｒ语言初学者入门资料\](http://www.computerworld.com/s/article/9239625/Beginner\_s\_guide\_to\_R\_Introduction)  
\- 各种cheatsheet  
 http://cran.r-project.org/doc/contrib/Short-refcard.pdf  
 http://www.rstudio.com/resources/cheatsheets/

\#\# 视频资源

\- \[Google Developers' Intro to R\](http://www.youtube.com/watch?v=iffR3fWv4xw&list=PLOU2XLYxmsIK9qQfztXeybpHvru-TrqAP)  
\- \[Twotorials\](http://www.twotorials.com/)  
\- \[Coursera\]  
\-《真实数据分析师》之R语言系列（http://study.163.com/course/introduction/967017.htm ）

\#\# 练习清单

\- Euler Project  
https://projecteuler.net/  
\- kaggle  
http://www.kaggle.com/