Why from scratch

R可以做什么？

经过近些年的发展，R所涉及的方面已经很完备。早已不仅仅局限于大家最熟知的统计分析与作图（数据可视化）这两大块

• 满足你任何统计方面的需求
• 输出各种精美的图表

除此外，R在数据科学领域开创了一片天地，使得各种数据高效处理；它可以，设计实验、分析地理空间数据、机器学习、数据爬取；R还可以用于写在线电子书、制作幻灯片、搭建个人网站、制作个人简历、发邮件、办公自动化（与Office交互、操作PDF、图像处理等）

写期刊论文（写作黑魔法），提供了各种期刊的标准模板，无须为字体、段落等格式担忧，而只需要专注于内容写作，你写好的稿子就是符合期刊要求的格式。

几乎每个场景都会有对应的R包。夸张的说，只有我们想不到的，没有它做不到的。

R“无所不能”！

经验之谈

必须先来一剂预防针。

在入门的过程中，始终相信并不断告诉自己：R的入门比较难，但是仅限于入门。虽然这句话会带来争议，但是我们就是要克服心理障碍并给自己积极的心理暗示：“别人说，它真的没有那么难，我也可以。”。即使刚开始碰到了一时难以理解的问题，也一定告诉自己：没关系很正常，刚开始学本来就不懂，多理解几次就好了。

Use R as much as you can, even for the things you can do faster in Excel right now. (@LisaDeBruine, Twitter)

我们往往倾向于选择“容易”的东西。但我的建议是，（学R的过程中），能不用Excel就不用，尽管一些东西很容易在Excel里面搞定。2020年初刚开始接触R的时候，我反复告诉自己——

“现在某个处理能很快用Excel做完，但是如果这个数据量非常庞大或者操作更复杂的时候，就需要在Excel里一直用鼠标点选，反反复复做相同的操作。可能光重复这一件事情就得花费两三天的时间，非常耗时并且非常容易出错。所以这种情况下选择Excel并不是一个明智的选择，那这个重复性的工作为什么不交给R呢？”

这是我当时最真实的心理活动，这个理由也是驱动我学习R的原因之一。包括现在也是。但是用过R之后你就会发现，自己再也不想回到Excel里面去处理数据了，理由也很简单：R，贼好用，我觉着它很方便。（并不是说Excel不行，只是我不太会用或者说用不好）

为什么要系统学习

R’s biggest challenge (and opportunity!) is that most R users are not programmers. This means that:

• Much of the R code you’ll see in the wild is written in haste to solve a pressing problem. As a result, code is not very elegant, fast, or easy to understand. Most users do not revise their code to address these shortcomings.

RStudio首席科学家Hadley提到，R最大的挑战就是大多数R用户都不是程序员。多数时候，我们看到的代码都是在急于解决某个问题的情况下编写的。

如果不系统性学习，我们可能会出现哪些问题？

1. 我们可能去百度搜索、也可能会向课题组同门要来代码。然而很多时候，网上找来的代码都比较冗长、低效并且晦涩难懂（有时候有些代码质量的确很好）。我们把拿来代码后，（由于基础不好），最容易造成的后果就是：在不理解、看不懂的情况下，紧着代码生搬硬套、一顿瞎改，最后还是跑不通。

2. 我们想在网上找关于某问题的代码，但不知道怎么正确描述这个问题，花了一天时间去搜索，还是找不到相关代码。非常低效。但其实，我们查找的问题，有可能书中已经提到并给出了最优的答案，只是我们没看。

3. 你会发现在网上（不同网页）查到的代码怎么都一样，搬运来搬运去。即使查到了，代码质量通常比较低，往往也是很多年前的代码，已经过时。当然，也有很多有用的代码，但相对来讲都比较偏基础，只能应对一些简单的问题。如果你的问题比较复杂，那么网上可能很难搜到（那种你想要的，用于解决你的问题的，完整的代码）。还是得明白，并没有那么多现成的。

4. 通过网络搜索的代码，我们也解决了一些问题（有可能真的解决了、也有可能是错误地解决）。虽然跑出了一个结果，但对于这些代码，我们可能仍然是一知半解，只能表面上看懂个大概，或者很多地方都不知道是什么意思。这种情况就比较危险了，我们以为跑出来了，其实它（结果）是错的。甚至这个代码根本就不是用来或者不适用于做此分析，而我们错误地应用。

5. 我们找来代码解决了问题，如果结果是对的，其实已经足够了。但是局限性就是，有可能我们就仅仅解决了某个问题，代码还是代码，代码中并没有纳入我们自己的思想、逻辑和理解。我们每次都搜代码解决问题，但却在搜的过程浪费大量的时间。用张敬信老师的话讲，浪费时间是一方面，关键是始终无法入门（始终在编程的门外），更谈不上将来的提高。

需要注意的是，花大量时间求助于搜索引擎，是每个人的必经之路（而且经常要这样做）。但是不建议刚开始就依赖于这种途径去解决问题。只有在基础语法的加持之下，我们才能在网上参差不齐的教程中，快速定位到对我们真正有用的东西。因为我们（借助语法）已经有一定的能力去识别代码的含义，并能正确修改其中的参数，运行得到结果。而不是不管三七二十一，拿来抓瞎，然后每一步都报错。既折损效率，又不保证结果。

另外，为什么说R的难度仅限于入门呢？我想现在应该是有一定的答案了，即使不太准确。那就是基础语法，懂了语法后，很多东西都是相通的。在这之后，每看到一段代码或每解决一个问题，我们都会get到新的东西，都会有一个再理解的过程。我觉得这是才是真正积累的开始，也是质的转变的过程。你能理解它，从而把这份理解转化为了自己的东西，所以走的每一步都作数。用的越多、会的也越多。相反，如果不谈语法硬上，更像是一个“假”积累的过程，一直停滞不前。

有一个非常矛盾的问题。很多时候，并不是不想去系统性学习，而是时间有限，没有过多（整块）时间去搞定语法。所以只能是把代码拿来现场研究。这是切实存在的问题。但如果分析稍变复杂，没有现成的代码可供使用，而且自己写不出（额外所需的）代码的情况下，路就被堵死了。

怎么系统学习？

按头安利：😂 😂

• (PDF地址) R语言编程——基于tidyverse
• 阅读大致需3-4周的时间
• 张老师已公布PDF版前3章，预计2022年12月出版

仍然是那句话：不必把这个东西想的有多复杂。

Tidyverse，记住它！

学习框架很重要，而学习R语言高效的方法就是在tidyverse框架下学习。相比于基础base语法，tidyverse语法代码极其优雅、简洁。你要进行一个分析，每一步命令都是在做一个事情，并且每一步都代表了你的逻辑思维。无论是写代码还是读代码，就像看小说一样，整个操作下来行云流水。(真的会有这种感觉的，就像跟代码对话一样)

具体的书中都有详细的介绍。虽然这里只给出了前三章，但是非常够用。从头开始阅读即可（包括书序及前言）。

需要注意，部分章节，初学者理解可能较为困难或者暂时还用不到，可以先酌情跳过：

• 1.4.2 日期时间
• 1.4.3 时间序列；
• 2.2.3 连接数据库
• 2.4.5 方形化
• 2.6.4 整洁计算
• 2.7 data.table包