作者：NSS翻译：杨金鸿术语校对：韩海畴全文校对：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（https://www.youtube.com/watch?v=VlJnNSeO1uQ），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（https://cran.r-project.org/）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（https://www.rstudio.com/）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（http://www.openanalytics.eu/architect）。
如果需要安装图形用户界面（GUI），请选择R-commander（http://www.rcommander.com/）或Deducer（http://www.deducer.org/pmwiki/index.php?n=Main.WindowsInstallation）。
课后作业安装R和RStudio。
安装Rcmdr、rattle和Deducer程序包。
以及推荐或依赖的程序包，包括GUI。
使用库命令加载安装程序，并打开GUI。
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（https://www.datacamp.com/courses/free-introduction-to-r）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（https://www.datacamp.com/courses/intermediate-r）。
另一种学习方法是在线版本swirl（https://www.datacamp.com/swirl-r-tutorial），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（https://www.coursera.org/specializations/jhu-data-science）或Edx（https://www.edx.org/course/introduction-r-programming-microsoft-dat204x-0）上mooc课程。
除了上述在线资源，您还可以考虑以下优秀资源:CRAN免费教学R语言（https://cran.r-project.org/doc/manuals/R-intro.pdf）。
Jared Lander’s R for Everyone（http://www.jaredlander.com/r-for-everyone/）Quick-R（http://statmethods.net/）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。
课后作业使用DataCamp免费在线R教程，熟悉基本的R语法。
创建Github（http://github.com/）账号。
通过google帮助，解决安装过程中出现的问题。
安装swirl包并学习R编程(见上文)。
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（http://www.rdocumentation.org/）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，在Analytics Vidhya Discussions，Stack OverflowR语言是增长最快语言。
R-bloggers（http://www.r-bloggers.com/）汇集许多R语言爱好者写的博文。
课后作业：访问CranTask Views了解R语言生态系统。
在http://r-bloggers.com上注册并订阅每日新闻。
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：readr:导入平面文件。
Readxl package:将excel文件转化为R语言。
haven package包:让您将SAS、STATA和SPSS数据文件导入R语言。
Databases:连接通过像RMySQL和RpostgreSQL包，使用DBI访问和操作。
rvest： 网页数据抓取。
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:整理数据的tidyr程序包。
stringr包处理字符串操作。
对象数据帧，可以学习dplyr包输入和输出（https://www.datacamp.com/courses/dplyr-data-manipulation）。
需要执行繁重数据争用任务?试试data.table程序包。
执行时间序列分析?尝试一下像zoo，xts和quantmod程序包。
课后作业通过“导入数据进入R语言”课程，或阅读文章1、2、3、4。
掌握导入数据软件包。
通过RStudio观看Data Wrangling with R 。
（https://www.rstudio.com/resources/webinars/data-wrangling-with-r-and-rstudio/）阅读并练习如何使用dplyr、tidyr和data.table程序包。
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。
在R语言中学习基本图形语法是数据可视化中一种实用方法。
在R语言中ggplot是数据可视化中最重要的包，并且很受欢迎，网上有很多它的学习资源，比如在线ggplot2教程，cheatsheet ，和以及一本由哈德利韦翰编写的教学书。
ggvis程序包允许您使用基本图形语法创建交互式web图形(参见教程)。
您知道Hans Rosling ted课程吗?教您如何的用googleVis(一个带有谷歌图表接口)来重建图表。
如果您遇到了绘制数据的问题，这篇文章会对您有所帮助。
在这个CRAN任务视图中可以查看到更多的可视化资源。
或者查看R语言数据可视化指南。
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。
源自Google maps和ggmap开放街道的静态图片，可用来创建可视化空间数据和模型。
Ari Lamstein’s中的choroplethr程序包。
tmap 程序包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。
leaflet创建动态图片。
使用dygraphs生成时间序列数据图表。
互动表(datatable)。
DiagrammeR创建图和流程图。
MetricsGraphics创建散点图、线图和直方图。
课后作业理解基本图形语法原理。
学习ggplot2教程。
使用RStudio环境学习html插件。
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:Andrew Conway’s课程：R语言统计数据简介。
杜克大学数据分析和统计推断。
R语言实用数据科学。
约翰霍普金斯大学数据科学专业课程。
R语言数据科学使用指南。
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:机器学习算法要点。
自行车共享大赛--一套R语言完整解决方案。
Kaggle上的机器学习课程。
掌握机器学习。
介绍机器学习。
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。
课后作业从统计学课程开始入门。
学习Kaggle上免费机器学习课程。
看Rattle中的一些R语言数据挖掘书。
可以从这本小册子上学习时间序列——A Little Book for Time Series in R .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。
课后作业使用RMarkdown或ReporteRs创建第一个交互式报告。
尝试构建一个Shiny应用。
练习只有通过大量练习才能成为优秀R语言程序员。
因此，要定期解决数据科学中的问题。
我们的建议是赶紧开始与Kaggle上的数据科学家交流。
在解决问题中测试自己的R语言水平--练习中的问题。
步骤八:时间序列分析R语言有一个用于专属任务视图时间序列。
如果你想在R语言中做一些时间序列分析，这将是您开始的地方。
您很快会发现工具的强大。
想要从在线资源中掌握时间序列分析是件不容易的事情。
好的切入点是一本关于时间序列的书或者选择《原理与实践》这本书。
在程序包方面，您需要熟悉Zoo与xts程序包。
Zoo为您提供了常用的保存时间序列对象格式，而xts供了操作时间序列的数据集工具。
辅助资源: 时间序列综合教程。
课后作业选择上述列出的时间系列教程，开始您的分析。
使用quantmod或quandl程序软件包下载财务数据，开始您的时间序列分析。
使用诸如dygraphs的程序包创建您的可视化时间序列数据和分析。
文本挖掘一个重要工具学习文本挖掘，您可以从edge课程中学习。
虽然课程已经结束，但是您仍然可以访问这些课程。
练习文本挖掘竞赛--一套R语言的完整解决方案。
步骤九:成为R语言大师现在您已经掌握了大部分R语言数据分析，是时候给出一些高级课程资源了。
您很可能已经知道其中的一些内容，但不妨看看这些教程。
Hadley Wickham的高级R语言教程。
在Hadoop、MongoDB或NoSQL中使用R语言。
微软的RevoScaleR 程序包原文链接：https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-r-data-science/杨金鸿，北京护航科技有限公司员工，在业余时间喜欢翻译一些技术文档。
喜欢阅读有关数据挖掘、数据库之类的书，学习java语言编程等，希望能在数据派平台上熟识更多爱好相同的伙伴，今后能在数据科学的道路上走的更远，飞的更远。