R语言学习

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。

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

网络资源

posted @ 2016-01-21 16:52 银河统计 阅读(...) 评论(...) 编辑 收藏