给R语言初学者的几个建议~

最近有很多人在问我关于R语言学习入门的问题。

有在公众号文章留言的，有后台回复的，有加qq或者微信直接交流的、有知乎私信或者文章留言的，还有微信群里直接@我的。

说实话，这个话题，如果由一个在数据科学领域叱咤多年、项目经验丰富，代码写的很溜的老司机来回答，结果会更有信服力。

而我并不适合来回答这个问题，理由如下：

• 首先我的学习周期很短，正式开始于2016年的9月份，算起来仅有10个月左右，有点速成的意味；
• 其次我在学习R语言之前并没有任何的编程基础（如果不算大学修过的SQL和自己只会一点儿皮毛的VBA的话）；
• 第三我是一个文科生，没有很强大的数理基础和统计背景。

但是如果换一个角度来思考，我又觉得我很有资格来回答这个问题，理由如下：

• 作为一个文科编程小白和数学盲，我更懂和我一样编程零基础、数学又不好的初学者在初次接触R语言之时，内心的困惑和挣扎；
• 按照我的学习周期及其效果来看，我的学习效果得到了实战检验和诸多读者的认可；
• 我的R语言学习之旅是在大学校园里完成的，而非是在职场的强压下被逼无奈之下开始的，所以不带很多的功利性和企图速成的快节奏，同样也是按需去学，学的都是真把式和投入回报率最高的部分，所以对于基础的把握及学习的节奏的经验更值得大家借鉴。

下面我开始我的回答（biaoyan!!!）

关于学习初衷：

首先我想说的是，在打算学习R之前一定要先问自己一句，你学习R语言的目的是什么？

是大学专业课程的需要？或者提前储备自己的数据分析技能？还是为了应对职场压力，被动充电？亦或者仅仅一时心血来潮，看到如今的大数据发展的如火如荼、不由自主的来凑一波热闹？或者是纯粹只是为了兴趣、实现自己的某些想法。

因为目标定位不同，意味着你能为此打算花费的时间长度不同、付出的心血不同、学习的路径不同、学习学习的模块不同，达到的效果也不同。

一定要确定好目标，按需去学，否则你在入门之前就首先会陷入迷茫和困顿，因为R语言除了内置的几个基础包之外，CRAN上可用的有不下上万个扩展包，如果再算上GitHub上 托管的个人开发的小众包，可能有好几万了，掰着指头数一数，够学一辈子了。

关于对R语言的理解：

这里我讲一下自己对于R语言的理念，我不想重复那些已经被转播烂了的概念解释、发展历史、及其功能简介。

R语言是统计学家开发的，出生之初就决定了它的使命是统计计算和数据可视化，这算是R语言核心功能的两个大方向。

对于这两个方向而言，统计计算的学习，基础都在课堂理论与专业背景上，说实话，R语言只是提供了一个实现的平台而已，它并不该改变或者创造新的理论、模型。

而这些统计计算所使用的公式、用到的模型算法，大部分都被封装成一个个扩展包里，导入包之后，仅需调用对应函数、设置对应参数即可，这些函数与Excel里面的函数本无区别，无需恐惧。

至于参数的调优、模型的检验与优化，这些东西所依赖的知识背景，也基本都是来源于课堂学习和专业背景，与R软件的关系并不大，对于需要自己写算法的情况，你也仅是在函数的基础上按照成熟的理论算法进行调优和计算，这与软件无关（除了基础语法之外），而与软件之外的专业背景和行业经验有关。

说到底，对于统计学习这一块，重要的是理论背景、业务经验、而真正需要R来实现的，仅仅是内置的扩展包函数、基础语法而已。

类比一下SPSS的学习，一个不懂统计学的人很难学好SPSS，尽管他知道各种功能模块和菜单（比如我），同样，一个不懂统计学和数学的人也难学好R语言（统计计算模块），尽管他很熟悉R语言的基础语法和很多扩展包所能实现的功能（比如我）。

而对于R语言的数据可视化方向来讲，则稍有不同。数据可视化确实并不十分依赖数学（除了专门用于算法呈现的图形之外，很少有需要大量运算的），但是他高度依赖图形语法，依赖可视化视觉呈现理念。

R语言中被疯传有四套语法（分别是基础图形语法、高级图形语法、lattice语法、ggplot2语法）。但是遗憾的我只会其中之一——ggplot2。

我学东西的初衷很纯粹，要把一个东西做好，不是一般的好，而是要令效果赏心悦目、达到惊艳众人的目的，最重要的，要让老板赞不绝口（难道你不想升职加薪嘛）。

这就意味着我要学一套优雅、高效、兼容性强、更加贴近可视化理念的语法。因为我的精力和时间不容许我把付出的心血平摊在四条任务线上，毕竟我的多任务处理能力极差。

倘若贪多，这样造成的后果可能是，每一套都语法都能懂一些，但是每一套都表现平平，这是我不能容忍的。而ggplot2对我来说既是绝佳的选择。

即便如此，语法熟练或者说能够顺记于心就真的够了吗？当然不是，即便能能够熟记于心，也并不能保证自己能够游刃有余的实现自己的想法，因为数据可视化除了依赖实现的工具和平台语法之外，更多的是对于数据源的理解、对于可视化的理解、对于设计理念的融会贯通（怎么去配色、怎么去排版、怎么去搭配字体等）。

如果说软件的学习也遵循二八定律的话，我觉得，R语言的学习也是如此。

百分之八十的精力需要花费在软件之外的统计学理论背景、业务知识（可以自学呀），而需要使用R软件来实现的部分，不要干巴巴的去学（当然R语言的基础语法要牢固），理论搞透了很多事情就会水到渠成，迎刃而解了。这一点特别体现在对于统计与数据分析的学习上。

而数据可视化则需要你在牢固掌握基础上（基础语法运用、数据清洗技能），能够熟练运用一套图形语法（推荐ggplot2）,然后不要过于将精力放在工具和代码本身，而是多积累可视化素养和提升设计审美水平。（这里我将数据可视化的二八定律稍稍修改一下，五五定律比较合适，因为ggplot2不是很好掌握）。

至于设计、审美、创意这些柔性的东西，很难去通过一两本书或者一两套课程搞定，这些是内化于生活，积累于日常的点点滴滴，当然如果有意识的去通过一些课程、书籍慢慢培养，日积月累也会见效的。

关于R语言学习技能路径：

通用技能学习：

基础：数据结构、变量类型、数据导入/导出、数据合并追加、长宽转换、数据索引、切片、聚合。

进阶：正则表达式、合并与分列、匹配与替换、缺失值插补、去重与排序，控制流：循环与判断。

专用技能学习：

统计与分析：去学课本吧

数据可视化：ggplot2语法+设计+审美+创意

基本上只要自己的通用技能学的差不多之后，就没有必要一直钻在这个小圈子里来回转了，可以自己去找数据做案例，案例是最好的学习，进步大多源于案例中解决未知问题的能力。

我没有读过很多R语言的书，所以这里还是不荐书了，如果你真的有心去学，还用别人荐书吗，看下豆瓣的图书榜就成了。

平时多用搜索引擎去解决临时性问题，基本上你遇到的问题，前人在网络上都已经给出了很详细的答案。

回答一些初学者的问题：

1、R语言是不是需要很深厚的编程基础，我编程基础基本为0，是不是不适合学这个？

我在学习R之前编程基础也为0的，有编程基础那叫程序员，程序员学习R语言都不用眨眼的~

2、学习R语言是不是需要很厉害的数学背景，我是文科生，数学超级差，是不是学不会啦！

握个手，我情况跟你一样，也是文科生，数学超级差，如果你打算往数据挖掘方向转型的话，可能需要补一下高数、线代、概率论统计与算法的东西，如果仅是作为业务分析工具、可视化之用，可能你的数学水平已经超越门槛了。

3、我R语言学了很长时间，好像也有一年了，看了很多书，所有的基础语法都会、ggplot2也都理解，但是就是自己写代码的时候写不出来，画图的时候干着急。

你是不是一直在看课本，一直在看，连练习代码都是copy课本上的，你做过多少实战案例，分析过多少真实业务数据、有多少新知识是在课本之外的实战过程中解决的，多看不如多练。

4、求地图模板！！！

抱歉，我不提供模板，我只提供代码和案例数据！（R语言很难做成模板）

5、你好，在吗，可以帮我画个图嘛~

……（我想说一句不在的）

6、可以推荐一下入门书吗？

其实我并不觉得R语言的入门需要入门书，因为我在入门阶段也没有照着书去学，但是既然大家提出来这个问题，我还是给些建议吧，如果你是在校学生，时间充裕，推荐《R语言实战》，不过一定要有选择性的去看，不要通篇看，前面几张关于数据结构、变量类型、数据清洗的要好好看（略过概念性和纯解释性内容），中间统计学习部分按需酌情去看，最后的文档报告输出部分谨慎去看（LaTeX和HTML你不一定能用得到的）。

数据可视化推荐两本吧，《R语言可视化手册》、《ggplot2：数据分析与图形艺术》（首选第一本，比较接地气，第二本虽然是作者本人大作，但是立意较为独特、高远、对初学者不是很友好）。

如果你是职场人士的话，那么并不十分推荐以课本为主，因为工作时间占用太多，不可能抽出大量时间用于练习，推荐工作之余利用碎片化时间听一些在线课程。（入门可以听免费的，天善智能社区就是很好地免费课程学习平台，我自己在天善智能也有开课哦，而且里面有大数据主题的多门免费课程，此外网易云课堂里也可以淘到很多好课）。免费课程用于入门，然后借助接触一线业务数据的机会，多把R语言用工作实践，你会进步的更快。

7、小魔方，你是如何学习R语言的，可以传授一些经验吗？

这个问题我太不好意思回答了，不过我还是舔着脸讲一下吧，我属于实战派，平时练习都是直接使用爬虫抓网络上的数据，实习的时候也是能用R的场合坚决不用Excel，逼着自己找R语言的使用场景，然后通过微信公众号、知乎专栏和个人博客进行持续性的内容输出(强迫自己去持续练习)。

当然，打捞基础很重要，否则只能每次写代码的时候都放着笔记本在身边，那里不会看哪里（很浪费时间的）

善用帮助文档，R语言中有强大的帮助系统，你可以直接进入扩展包的文档主页， 也可以使用？info来搜索某个函数的详细使用方法及参数设定规则。

保证规律性的练习，每天都要抽出固定时间来练习，具体安排视个人的具体情况。

最后给一句忠告，一门用于数据分析的编程语言，其只有用于数据分析实战才能发挥作用，就像老虎只有在森林里才能具备兽王的野性，所以一旦感觉自己掌握了基础之后，最后的进阶方式就是用于实战。