适合新手快速入门R语言编程的书

我发现近几年出现的R语言新技术很少有人问津，绝大多数R语言的教师和学习者，以及教材、博客文章仍在沿用那些过时的、晦涩的R语法，对R语言的印象仍停留在几年前：语法晦涩难懂、速度慢，做统计分析和绘图还行，没有统一的机器学习框架，无法用于深度学习、大数据、工业部署等。

有感于此，我想写一本用新R的技术，方便新手真正快速入门R语言编程的书，来为R语言正名。我是名大学数学教师，热爱编程、热爱R语言，奉行终身学习的理念，一直喜欢跟踪和学习新知识、新技能。我对编程和R语言有一些独到的理解，因为我觉得数学语言与编程语言是相通的，都是用语法元素来表达和解决问题，我想把这些理解和体会用简洁易懂的方式表达出来。

希望这本书能让你学到正确的编程思想，学到新的R语言编程知识和编程思维，能真正让你完成R语言入门或将R知识汰旧换新。

本书的目标读者：

没有R语言基础，想要系统地学习R语言编程，特别是想要学习新兴R技术的人。
具备一定的R语言基础，想升级R语言编程技术的人。想要理解编程思想，锻炼向量化编程思维、函数式编程思维，以及想要真正掌握数据思维的人。
想要以R语言为工具，从事统计分析、数据挖掘、机器学习工作的人，特别是想学习使用机器学习包(tidymodels 和 mlr3verse )的人。

高校里对R语言及相关课程有需求的师生及科研人员，特别是将来想要在时间序列、金融、空间数据分文本挖掘等领域使用 fpp3、modeltime、tidyquant、sf、quanteda 等包的人。

本书内容安排：

本书的结构是围绕如何学习R语言编程来展开的，全书内容共分为6章，冯国双老师在《白话统计》中写道：

“一本书如果没有作者自己的观点，而只是知识的堆叠，那么这类书是没有太大价值的。”

尤其在当前网络发达的时代，几乎任何概念和知识点都可以从网络上查到。但有一点你很难查到，对于编程书来说，那就是编程思维。本书最大的特点之一就是无论是讲编程思想还是讲编程语法知识点，都把编程思维融入进去。

很多人学编程始终难以真正入门，学习编程语言要在编程思想的指导下才能事半功倍。本书的导语就先来谈编程思维，包括如何理解编程语言，用数学建模的思维引领读者从理解实际问题到自己写代码解决问题，了解R语言的编程思想 (面向函数、面向对象、面向向量)。

第1章讲述R语言编程的基本语法，同时涉及向量化编程、函数式编程。这些语法在其他编程语言中也是相通的，包括搭建R语言环境以及常用数据结构（存放数据的容器），例如向量、矩阵、数据框、因子、字符串（及正则表达式）、日期时间，此外还涉及分支结构、循环结构、自定义函数等。这些基本语法是编写R代码的基本元素，学透它们非常重要，只有学透它们才能将其任意组合、恰当使用，以写出解决具体问题的R代码。同样是讲R语言的基本语法，本书的不同之处在于，用 tidyverse 中更一致、更好用的相应包加以代替，例如用 tibble 代替 data.frame 、用forcats包处理因子、用stringr 讲字符串（及正则表达式)、用lubridate 包讲日期时间、在循环结构中用purrr包的 map_*系列函数，另外还特别讲到泛函式编程。

第2章正式进入 tidyverse 核心部分，即数据操作。本章侧重讲解数据思维，先简单介绍 tidyverse包以及编程技术之管道操作，接着围绕各种常用数据操作展开，包括数据读写(各种常见数据文件的读写及批量读写、用R连接数据库、中文编码问题及解决办法），数据连接（数据按行/列拼接、SQL数据库连接），数据重塑(“脏”数据变“整洁”数据，长宽表转换、拆分与合并列)，数据操作（选择列、筛选行、对行进行排序、修改列、分组汇总）、其他数据操作（按行汇总、窗口函数、滑窗迭代、整洁计算），以及data.table 基本使用（常用数据操作的 dplyr 语法与data.table 语法对照）。tidyverse 最大的优势就是以“管道流”和“整洁语法”操作数据，这些语法真正让数据操作从Base R的晦涩、难记、难用，到tidyverse 的“一致”“整洁”、好记、好用，甚至比Python的pandas 还好用！为了最大限度地降低理解负担，本书特意选用中文的学生成绩数据作为演示数据，让读者只关心语法就好。另外的这些tidyverse数据操作，实际上已经在语法层面涵盖了日常Excel数据操作、SQL数据库操作，活用 tidyverse数据操作语法已经可以完成很多常见任务。

第3章，可视化与建模技术。可视化只介绍流行的可视化包 ggplot2 ，先从ggplot2 的图层化绘图语法开始，依次介绍 ggplot2 的几大部件:数据、映射、几何对象、标度、统计变换、坐标系、位置调整分面、主题、输出;接着介绍功能上的图形分类:类别比较图、数据关系图、数据分布图、时间序列图、局部整体图、地理空间图和动态交互图，对每一类图形分别选择其中有代表性的用实例加以演示。建模技术包括二项内容: (1)用 broom包提取统计模型结果为整洁数据框，方便后续访问和使用;(2)modelr 包中一些有用的辅助建模函数;(3)批量建模技术，例如要对各地区的数据分别建立模型、提取模型结果，实现。当然这可以用 for 循环实现，但这里采用更加优雅的分组嵌套以及 mutate+map_*实现。

第4章，应用统计。R语言是专业的统计分析软件，广泛应用于统计分析与计算领域。本章将从4个方面展开：(1)描述性统计，介绍适合描述不同数据的统计量、统计图、列联表； (2)参数估计，主要介绍点估计与区间估计，包括用Bootstrap法估计置信区间，以及常用的参数估计方法（最小二乘估计、最大似然估计）；(3)假设检验，介绍假设检验原理，基于理论的假设检验（以方差分析、卡方检验为例，并用整洁的 rstatix 包实现），以及基于重排的假设检验（以t检验为例，用 infer包实现）； (4)回归分析，从线性回归原理、回归诊断，借助具体实例讲解多元线性回归的整个过程，并介绍广泛应用于机器学习的梯度下降法以及广义线性模型原理。

第5章，探索性数据分析。主要讨论三方面内容： (1)数据清洗，包括缺失值探索与处理、异常值识别与处理； (2)特征工程，包括特征缩放（标准化、归一化、行规范化、数据平滑）、特征变换（非线性特征、正态性变换、连续变量离散化）、基于PCA的特征降维； (3)探索变量间的关系，包括分类变量之间、分类变量与连续变量之间、连续变量之间的关系。

第6章，文档沟通，讨论如何进行可重复研究，用R Markdown家族生成各种文档，介绍R markdown的基本使用，R与Latex交互编写期刊论文、PPT、图书、R与Git/GitHub交互进行版本控制、用R Shiny轻松制作交互网络应用程序(Web App) 以及开发和发布R包的工作流程。

附录部分是对正文内容的补充和扩展，分别介绍R6类面向对象编程、错误与调试、用R实现Excel中的VLOOKUP与透视表、非等连接与滚动连接、R与网络爬虫、R与高性能计算、R机器学习框架——mIr3verse 和 tidymodels。

大家可以根据自己的需求选择阅读的侧重点，不过我还是希望你能够按照顺序完整地阅读，这样才能彻底地更新一遍你的R知识，避免将Base R与 tidyverse混用，因为二者在编写R代码时不是一种思维，强行搭在一起反而效率低。