七步即可学会R语言，从此数据分析不再怕！

本文特约作者为 DataCamp 的联合创始人 Martijn Theuwissen 。更多 R 语言资源请访问这里（http://t.cn/R9Uo2po） ，各种 R 语言源代码也在其中。

这里（http://t.cn/RZ0nGo0）还有一份数据科学备忘清单，能让你从零开始学习数据科学，包括 R 语言。

如果你没有编程经验，或者是对点击式的统计软件更熟悉（而非真正的编程语言）， R 语言学起来还是有点难度的。本文的学习方法更适合 R 语言小白，不过老司机们也可以从中获得 R 语言的最新动态。

本文的学习方法是在追求实用性和全面性的不断平衡中建立起来的。这里有许多优质的 R 语言免费资源，但可惜并非全部。我们的资源相当丰富，包括相关文档、在线课程、图书以及更多能让你尽快入门 R 语言的最佳学习资料。

R 语言生成的数据视频：获取链接和观看视频请前往下方链接：

• http://www.analyticbridge.com/video/from-chaos-to-cluster-part-2
• http://www.analyticbridge.com/profiles/blogs/shooting-stars

下面是本文提纲：

• 步骤 0：为什么要学习 R 语言
• 步骤 1：软件设置
• 步骤 2：理解 R 语言语法
• 步骤 3：R 语言的核心 ->packages
• 步骤 4：帮助？！
• 步骤 5：数据分析工作流程
  • 5.1 导入数据
  • 5.2 数据操作
  • 5.3 数据可视化
  • 5.4 统计学部分
  • 5.5 报告你的结果

• 步骤 6：成为 R 语言大牛，发现新大陆

步骤 0：为什么要学习 R 语言

R 语言正迅速成为数据科学的通用语言。它源于学界，但今天你会在越来越多的商业环境中看到 R 语言的身影，它现在成了商业软件公司如 SAS，STATA 和 SPSS 的贡献者。

R 语言的人气每年都在增加，在 2015 年被 IEEE 列入 2015 年十大语言。这表明人们对 R 语言知识的需求在增长，因此学习 R 语言绝对是一项明智的职业投资（根据这项调查 R 语言编程甚至是报酬最高的技能）。

甲骨文（Oracle ）、微软（Microsoft ）等行业巨头都在逐步加大对 R 语言的产品投入，这种投入在未来几年还会持续增长。

不过，金钱不该是学习一门技术或是编程语言的唯一动力。幸运的是，R 语言能给你的不仅仅是一份薪水。当我们走进 R 语言时，会慢慢熟悉这个多元有趣的圈子。换句话说，R 语言在各种领域的任务中都能得到运用，比如金融、基因序列分析、房地产、付费广告等等，这些也推动了 R 语言的进一步发展。

日常生活中，你也会遇到各种 R 语言的案例和应用，它不仅让事情变得有趣，还能够帮你解决各种各样的问题。祝你玩得开心！

步骤 1：软件设置

真正开始用 R 语言之前，你需要下载一个安装包。R 语言一直在不断升级，自 1993 年问世以来已经发布了好几个不同的版本，它们的名字都很好玩，比如 “世界著名航天员” 和“ 木制圣诞树”。安装 R 语言非常简单，你可以从 Comprehensive R Archive Network（CRAN，https://cran.r-project.org/） 下载基于 Linux、 Mac 和 Windows 不同系统的二进制文件。

R 语言安装完成后，可以安装一个 R 语言的综合开发环境（尽管基本的 R 控制台也能工作）。两个比较完善的 IDE 是 RStudio（https://www.rstudio.com/） 和 Architec（http://www.openanalytics.eu/architect）。如果你更喜欢图形用户界面，还应该检查 R-commander（http://www.rcommander.com/）。

步骤 2：理解 R 语言语法

学习编程语言（比如，R 语言）和自然语言（比如，法语或西班牙语）的方法类似，都是在练中学，学中做。学习 R 语言最好的方式之一，就是通过下面的在线教程：

• DataCamp 免费的 R 语言辅导入门课程和中级 R 语言编程课程。你可以根据自己的节奏，在你的浏览器上交互式学习 R 语言编程和数据科学。
• swril 软件包有离线互动的 R 语言编码练习。还有一个不需要安装的在线版本。
• 在 edX 上你也可以学习微软提供的 R 语言编程入门（Introduction to R Programming ）这门课。
• 在 Coursera 上约翰霍普金斯大学的 R 编程课程（ R Programming course ）。

除了这些网络教程，还有一些非常好的入门书籍和书面教程：

• Jared Lander 的人人都能用的 R 语言（ R for Everyone，http://www.jaredlander.com/r-for-everyone/）。
• Robert Kabacoff 的 R 语言实战（ R in Action，https://www.manning.com/books/r-in-action）。
• CRAN 的免费 R 语言入门手册（https://cran.r-project.org/doc/manuals/R-intro.pdf）。

步骤 3：R 语言的核心 - >packages

每个 R 语言包只是一组用于特定目的代码，旨在被其他开发人员重复使用。除了主代码库之外，程序包通常还包括数据、文档和测试。作为 R 语言的用户，可以轻松下载特定的软件包（有些甚至是预先安装好的），并开始使用其功能。每个人都可以开发 R 语言包，也可以与他人共享 R 语言包。

这是一个很强大的概念，也是 R 语言无论是作为一门语言，还是一个社区都非常成功的主要原因之一。也就是说，你不需要自己完成所有核心硬件的编程，也可以知道特定算法或可视化的每个复杂细节。相关软件包成为该功能的接口，你就可以轻松使用开箱即用的功能。所以，了解 R 语言包的生态系统还是挺有用的。

许多 R 语言软件包可从 Comprehensive R Archive Network（CRAN，https://cran.r-project.org/） 获得，您可以使用 install.packages function 函数进行安装。CRAN 的厉害之处在于它可以通过任务视图 Task Views 将包与特定任务联系在一起。或者，你可以在 bioconductor, github 和 bitbucket 上找到 R 语言包。

如果你正在找特定包和相关文档，可以试试 Rdocumentation（http://www.rdocumentation.org/），在这里可以非常方便地搜索到 CRAN，github 和 bioconductor 的软件包。

步骤 4：帮助

很快你会发现，每解决一个 R 语言问题，就会出现五个新的问题。但还好，有很多可以解决的办法：

• 在 R 语言内，您可以使用内置的帮助系统。例如，“？plot” 命令会提供绘图功能的文档。
• R 语言强调文档的重要性。前面提到的 Rdocumentation（http://www.rdocumentation.org/） 就是一个不错的网站，可以查看不同软件包和功能的不同文档。
• Stack Overflow（http://stackoverflow.com/questions/tagged/r） 是一个非常好的资源，它可以找到常见的 R 语言问题答案或向自己提问的答案。
• 网络上有许多关于 R 语言的博客和帖子，比如 KDnuggets（http://www.kdnuggets.com/） 和 R-bloggers（http://www.r-bloggers.com/）。

步骤 5：数据分析工作流程

一旦了解了 R 语言的语法、软件包生态系统以及获得帮助的方式，就可以开始关注 R 语言如何在数据分析工作中解决日常任务。

5.1 导入数据

在开始执行数据分析之前，首先需要将数据输入到 R 语言中。容易的是你可以把各种数据格式导入到 R 语言中，但难的是不同的类型往往需要不同的方法：

• Flat files：您可以从预先安装的 utils 包导入带有 read.table() 和 read.csv()等功能的平面文件。导入平面文件数据的特定 R 语言包是 data.table 包的 readr 和 fread()函数。
• 你可以用 readxl package， gdata package 和 XLConnectt 把 excel 文档导入 R 语言。（Read more on importing your excel files into R，http://blog.datacamp.com/r-tutorial-read-excel-into-r/）
• haven package 可以将 SAS，STATA 和 SPSS 数据文件导入 R 语言中。外部包可以导入 Systat 和 Weka 格式。
• 连接特定的软件包（如 RMySQL，RpostgreSQL 和 ROracle 软件包）与数据库。通过 DBI 访问和操作数据库。
• 抓取网页，可以使用 rvest 等包。 （有关 R 语言的更多信息，请查看 the blog of Rolf Fredheim 的博客，http://blog.rolffredheim.com/2014/02/web-scraping-basics.html。）

想了解更多如何将数据导入 R 语言的信息，请查看 online Importing Data into R tutorial（http://t.cn/R9UiRBq） 和 this post on data importing（http://blog.datacamp.com/r-data-import-tutorial/） 。

5.2 数据操作

使用 R 语言执行数据操作是一个很泛的主题，例如你可以在 RStudio 中使用 R 视频的 Data Wrangling with R 或使用 Data Manipulation with R。下面是在执行数据操作时，应该获取的 R 语言软件包列表：

• tidyr 包：用于整理数据。
• stringr 包：用于字符串操作。
• 处理数据框（如对象）时，最好熟悉 dplyr 软件包（try this course，http://t.cn/RwSrWIF）。如果大量数据明确任务，检查极速 data.table 软件包（请参阅此语法手册帮助）更有意义。
• 安装 lubridate 包时，运用时间和日期会更加容易些。
• zoo, xts 和 quantmod 这样的软件包，则为 R 语言中的时间序列分析提供了极大的支持。

5.3 数据可视化

R 之所以成为数据分析师和科学家最中意的分析工具（没有之一），最重要的原因之一是它的数据可视化功能非常之强大。正如 FlowingData（https://flowingdata.com/） 上展示出的所有可视化内容，大量的美图都是用 R 来实现。R 画出来的图究竟有多美？咳咳，请参照这张著名的脸书图片：facebook visualization。

用 R 作出的信用卡诈骗分析图 --- 包含事件发生的时间、地点和损失额（查看资源，http://t.cn/R9U62yt）

如果你想用 R 做可视化，建议花点时间学习一下 ggplot2 软件包。它是 R 语言在画图制表方面最受欢迎的软件包。ggplot2 使用了图像语法的集约应用，所以很直观（你可以持续不断地建造图像的各个部分，就像玩乐高一样）。有很多软件包资源可供学习，比如，互动代码教程，是 Hadley Wickham 做的一个备忘清单和即将出版的新书。

除了 ggplot2，还有几种其他的软件包也可以帮你创造出更讨喜的图像，有很多优质学习资源帮助你快速掌握。我们精选出来了一些：

• ggvis 用于互动网页图形（查看教程，http://t.cn/R9U6bRe）
• googleVis（https://github.com/mages/googleVis） 用于谷歌图表的接口
• 基于 R 的 Plotly（https://plot.ly/r/）

如果你想获得更多可视化的软件包，请查看 CRAN 任务视图（http://t.cn/RKHR5Mn）。画图的时候碰到问题的话，这篇文章也许有用。除了那些 “传统” 图像，R 也可处理和可视化空间坐标数据。在静态地图上，可用 ggmap 这样的软件包让空间坐标数据和模型更直观，来源可以是谷歌地图开放街区地图。另一个推荐的软件包是由 Trulia 的 Ari Lamstein 开发的 choroplethr，或者 tmap 软件包。如果你想了解更多，请参看这个教程：Introduction to visualising spatial data in R（https://cran.r-project.org/doc/contrib/intro-spatial-rl.pdf）。

5.4 统计学部分

如果你是统计学的新手，下面有一些详实的资源解释了在使用 R 时需要的基本概念：

• Andrew Conway’s Introduction to statistics with R (在线互动编程课程，http://t.cn/R9U6SVJ)
• Data Analysis and Statistical Inference 由杜克大学出品 (网上免费课程)
• Practical Data Science With R (图书，http://t.cn/R9UX7GV)
• Data Analysis for life sciences 哈佛大学出品 (网上免费课程，http://t.cn/RSekUes)
• Data Science Specialization by Johns Hopkins 由 Johns Hopkins 出品 (还是那个免费课程，http://t.cn/RfA3ucG)
• A Survival Guide to Data Science with R (图书，http://togaware.com/onepager/)

注意这些资源是针对新手入门的。如果想更进一步学习，可以看看用 R 来实现机器学习的各种资源。图书的话，有 Mastering Machine Learning with R（http://t.cn/R9UXVy1） 和 Machine Learning with R（http://t.cn/R9UXMcu） ，这两本书很好地解释了不同的概念。网上资源的话，有 Kaggle Machine Learning（http://t.cn/R9UXixi） 教程来实现不同的概念。

此外，还有些有趣的博客助你开启机器学习之门，比如 Machine Learning Mastery（http://t.cn/8Fmu6GH） 或者这个（http://t.cn/R9UXN2a）。

5.5 报告你的结果

不管是模型、可视化图像还是其他什么，最好的分享方式就是用动态文档。R Markdown（http://rmarkdown.rstudio.com/，以 knitr 和 pandoc 为基础的）是一个相当厉害的工具，它利用可重现的方式报告你的数据分析结果，并且可以存为各种形式的文档：html，word，pdf，ioslides 等等。这里有 R markdown 基础知识的四个说明教程：Reporting with R Markdown（http://t.cn/R9UXjdm）。在创建好自己的 markdown 文件之后，别忘了还有这张备忘单（http://t.cn/R9UXRAA）。

第六步：成为 R 语言大牛，发现新大陆

R 是一种快速发展的语言。其在学术和商业上受青睐的程度正在急速攀升，由此 R 的新功能和新工具软件包也在随之增加。下面罗列一些我们最喜欢的新技术和新软件包：

• HTML widgets（http://www.htmlwidgets.org/） 帮你创建互动可视化网站，比如动态地图（leaflet，http://rstudio.github.io/leaflet/）、时间序列数据制图（dygraphs，http://rstudio.github.io/dygraphs/）和互动表格（DataTables，http://rstudio.github.io/DT/）。如果你自己创建一个，请参看由 RStudio 出品的教程（http://t.cn/R9UaRd5）。
• 最近，另外一个呼声很高的技术是 Shiny（http://shiny.rstudio.com/）。用 Shiny 你可以在 R 里面创建你自己的互动网站应用，比如这些（http://shiny.rstudio.com/gallery/）。网上有完整的学习门户，能专门建立自己的 Shiny 应用软件，在此处（http://shiny.rstudio.com/tutorial/）查看。
• 最近，越来越多人关注怎样在云程序中运行 R。如果你想做这项工作的话，不妨看看以下教程：running R on AWS（http://t.cn/RPEV**v），R programming language for Azure（http://t.cn/R9USXO5） 和 RStudio Server on Digital Ocean（http://t.cn/R9USKpy）。

有了 R 的经验之后，Hadley Wickham 写的 Advanced R（免费书，http://adv-r.had.co.nz/）会让你的 R 技能更上一层楼。另外，也可以开始和 Kaggle （数据挖掘和预测模型评比的网络平台）上的数据科学爱好者们一起练习 R 技能。在那里你有机会接触有趣的数据，比如说，巨大的数据集（https://www.kaggle.com/c/titanic）。

看了这么多，你是不是已经开始准备动手写软件包了？玩得开心咯！