作者：NSS；翻译：杨金鸿；校对：韩海畴，林亦霖；

本文约3000字，建议阅读7分钟。

本文为带大家了解R语言以及分段式的步骤教程！

人们学习R语言时普遍存在缺乏系统学习方法的问题。学习者不知道从哪开始，如何进行，选择什么学习资源。虽然网络上有许多不错的免费学习资源，然而它们多过了头，反而会让人挑花了眼。

为了构建R语言学习方法，我们在Vidhya和DataCamp中选一组综合资源，帮您从头学习R语言。这套学习方法对于数据科学或R语言的初学者会很有用;如果读者是R语言的老用户，则会由本文了解这门语言的部分最新成果。

R语言学习方法会帮助您快速、高效学习R语言。

前言

在开始学习之前，第一个要回答的问题是:为什么要用R语言？或者R语言为何如此有用?

R语言是一门快速发展的开源软件，是SAS、STATA和SPSS这类商业软件的竞争对手。就业市场对R语言的需求正在迅速上升，微软等公司也同时承诺将致力让R语言成为数据科学通用语言。

看看由Revolution Analytics制作的90秒视频（），您就知道R语言的用处。顺便说下，微软刚刚收购了Revolution Analytics。

步骤一：配置计算机环境

建立R语言学习环境最简单方法是通过综合R语言归档网络(CRAN)下载（）到您的本地计算机上。可以选择Linux、Mac和Windows对应二进制文件下载。

您可能会考虑使用R语言自带的控制台，但我们建议您安装R语言集成开发环境(IDE)。RStudio（）是最有名的IDE，它能让R语言编码更容易、更快，还能让您输入多行代码、处理图形、安装和维护程序，有效引导您的编程环境。RStudio此外可以选用基于eclipse的Architect（）。如果需要安装图形用户界面（GUI），请选择R-commander（）或Deducer（）。

课后作业

步骤二：R语言基础学习

您应该首先了解语言、库和数据结构基础知识。

如果您更倾向于在线交流方式学习R语法，DataCamp（）提供的免费在线R教程是很好的资源。还可以选择后续课程:中级R编程（）。另一种学习方法是在线版本swirl（），它能让您在类似RStudio环境中学习R语言。

在互动学习环境中，您可以选择参加Coursera（）或Edx（）上mooc课程。

除了上述在线资源，您还可以考虑以下优秀资源:

专门学习:阅读、数据帧、表、概述、描述、加载和安装包、使用绘图命令可视化数据。

课后作业

步骤三:了解R社

强大社区的存在是R语言发展迅速、大获成功的主要原因。社区中核心的是R语言的“包”生态系统。R语言程序包可以在CRAN、bioconductor、github和bitbucket中下载。在Rdocumentation（）中，您可以轻松搜索来自CRAN、github和bioconductor中能满足您当前工作需要的程序包。与在R语言程序包生态系统同样重要的是，您可以在R endeavours上轻松获得帮助与反馈。首先，R内置帮助系统，您可以通过命令来访问。同时ggplot2数据分析与图形艺术pdf，在Analytics Vidhya Discussions，Stack OverflowR语言是增长最快语言。R-bloggers（）汇集许多R语言爱好者写的博文。

课后作业：

步骤四：数据导入和操作

导入和操作数据是数据科学工作流程中重要步骤。R语言允许使用特定包导入不同数据格式，从而使您工作更轻松,如下：

一旦数据在工作环境中可用，您就可以使用下面程序包操作:

课后作业

步骤五：有效数据可视化

自己创建数据可视化作品是一件很自豪的事情。然而，数据可视化既是一项技能，也是一门艺术。许多学者阅读Edward Tufte 的“可视化定量数据”原理，或者StephenFew的 “pitfalls on dashboard design”。也可以阅读NathanYau在FlowingData 写的博文，来获得创建R语言可视化灵感。

1.平面图无处不在

R语言提供了多种创建图形方法，使用原理图创建图形是标准的方法。然而，有一些好的工具(或包)使用更简单的方式来创建，查看图形。

2. 地图无处不在

您对分析空间可视化数据感兴趣吗？学习本教程：介绍R语言空间数据，您会轻松地使用这些包。

3. HTML插件

HTML插件是R语言可视化产品中非常有前景的插件，您可以用简单的方式创建交互式web可视化(参见RStudio教程)，掌握这种可视化方法将会成为R语言学习中必备技能。其带来的视觉效果会给您朋友和同事留下深刻印象。

课后作业

步骤六：数据挖掘、机器学习

对于新的统计数据学习方法，我们推荐下列资源:

如果您想提高机器学习能力，可以考虑从以下教程开始学习:

确保在相关的CRAN任务视图中查看到R语言可用的机器学习资源。

课后作业

步骤七：报告结果

与数据科学爱好者交流成果，分享见解是一件很重要的事情。幸运的是，R语言针对这个问题有一些非常实用工具。

第一个工具是R Markdown，采用knitr和pandoc复制方式生成您的数据分析结果报告。使用R markdown工具，R语言最终生成文档，替换R语言代码。文档可以是html、word、pfd、ioslides等格式。您可以通过本教程学到更多知识并使用cheatsheet作为参考资料。

第二个工具是ReporteRs，它是个创建Microsoft(Worddocx和Powerpoint pptx)和html R语言文档程序包，并可以在Windows、Linux、Unix和Mac OS系统上运行。像R Markdown工具一样自动生成R语言报告，点击这里我们来看看如何操作。

第三个是Shiny，目前R语言中最令人兴奋的工具。使R语言构建交互式web应用程序变得非常容易。您可以把分析报告转换为交互式web应用程序，您不需要了解HTML、CSS或Javascript相关知识。如果您想要学习Shiny ，请点击RStudio learning portal。

课后作

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！