R语言学习资料大盘点，20门课程、16本教材随你挑！

图片来自123rf.com.cn 正版图片库

R语言是我从MOOC上学习到的第一门技术，也是我现在还算拿得出手的一门实用的技能。自从通过MOOC入门了R后，我就对这门人性化的编程语言产生了强烈兴趣。然而由于个人时间关系，R相关的MOOC课程上得并不是很多，R方面的水平也不算深；只希望把仅有的一些经验分享给大家，希望能抛砖引玉，引出潜水的更专业的大神的讨论。

首先，我把R相关的MOOC课程按照我的熟悉程序分为：完全体验、部分体验、没上过三个类别。

• 完全体验指的是我认认真真地看视频、做作业并拿到证书的课程；

• 部分体验是指我没看视频，只做作业拿到证书的课程；

• 没上过就是压根没上过的课程。

完全体验和部分体验类我会根据自己的体验给出个人观点和建议，部分体验和没上过的课程我会主要参考课程的说明、目录以及上过的MOOCers的点评，也给一些个人理解的观点和建议。可能有偏差，欢迎指正。

同时，这里把R语言的功能分为三类，以表示不同课程各自的侧重点：统计类、程序类、绘图类。

• 统计类的功能主要是涉及到数学计算、统计分析的功能，比如加减乘除、t检验、方差分析、线性回归等；

• 程序类的功能主要是数据结构的处理，比如抽取数据框、for循环、自定义函数等；

• 绘图类显然就是只是用R绘制各种可视化图形了。

当然这三类也不是完全分割开来。一个实际的数据分析项目往往是先用程序类的功能处理数据，再用统计类的功能揭示数据内部规律，最后用绘图类的功能来可视化分析结论。

个人感觉，科研人员（比如像老夫这种苦逼的研究僧）更多会应用到统计类的功能；开发人员（比如数据挖掘程序猿）更多会应用到程序类功能；而商务人员（比如互联网运营）更多会应用到绘图类功能。当然，再强调一遍，实际项目中这三类并不能分割开来。

好，废话完毕，下面开始。

（注：课程的评分均为果壳评分，部分课程因点评数量不足，暂时没有得分。课程评价均为个人观点。）

1-R导论

微软，edX，7.6分

体验度：部分体验

分类：程序类

这门课没有涉及到太深的统计，主要讲解R一些基本数据结构的操作，当然最后也提到绘图。这门课是我对R熟练以后拿来练手的，视频虽然没看，不过作业设计得非常好。学生在Datacamp平台上按着老师的指导，按要求完成残缺的程序；如果写错了也会有提示。非常适合入门，个人认为是MOOC学院里现有的最适合入门R的课程。然而，这门课本身内容还是有些单薄。学完这门课收获是可能在R中对数据作一些简单的操作，但无法胜任稍复杂的需求。

建议：适合对R有点了解但还不会敲代码的童鞋。

2-数据分析与统计推断

杜克大学，Coursera，9.1分

体验度：完全体验

分类：统计类

这门课主要是讲统计学原理，R只是一个彩蛋，老师基本不会在视频里详细讲。这门课里的R应用只要包括平时作业的lab，以及一个要用R markdown写的project。如果你之前对R没有任何接触，那么上这门课可以对R有个感性认识，知道它的一些功能；然而只通过这门课还很难独立用R语言处理实际项目。

建议：如果你只想学R，不关心统计原理，这门课并不推荐上。这门课适合对统计不熟，对R完全没接触过的童鞋。

3-探索R语言统计

卡罗琳学院，edX，7.6分

体验度：没上过

分类：统计类

从课程说明上来看，这门课讲述基本的统计学原理以及R语言的相关应用，包括数据的导入、分析以及可视化；老师多次提到数据分析和R语言在医学上的应用及意义，相信医学类的童鞋学习更有体会。从用户点评上来看，这门课依然属于入门级，老师会手把手教着怎么敲代码。

建议：不会R编程的童鞋可作为入门课程；医学类专业可以体会一下R在医学领域的应用。

4-用R语言进行数据分析：可视化分析并总结数据集

Udacity，暂无评分

体验度：没上过

分类：统计类+绘图类

这门课内容并不多，一共才2周长度，每周6小时负荷；从介绍上来，这门课主要是教授对数据集的描述性统计分析以及作一些相关的图，估计包括散点图、条形图、直方图等。这门课的实用性较强，统计学原理部分并不算系统，但属于最常用的部分。

建议：职场人士可以快速学习如何专业地处理数据，以及用R作精细化的图表。

5-初级统计与R（法语授课）

FUN，暂无评分

体验度：没上过

分类：统计类

法语课……根据老夫无责任猜想，应该是属于统计学原理+R应用的课程，内容和结构与杜克大学的《数据分析与统计推断》比较接近，目录中涉及到R的部分只在lab中，所以也可能是课上不讲，只在课外作业中练习。课程内容貌似是包括常用统计图形、置信区间、相关系数、显著性检验、回归、主成分分析、层次聚类等统计概念。

建议：适合于既想学统计学原理，又想练法语的童鞋……

6－数据分析基础

德克萨斯州大学奥斯汀分校，edX，8.2分

体验度：没上过

分类：统计类

同样是一门主要讲述基础统计学原理以及R的应用的课程。这门课有13周的长度，课程量不小。根据课程目录，初级统计学部分涵盖得比较系统系统、完整。从用户点评上来看，这门课的作业量和课外阅读材料不少，如果能坚持解决，相信会有不少的收获。

建议：适合缺乏初级统计学基础的童鞋，同时也能在这门课中入门R编程。

7-统计学习

斯坦福大学，StanfordOnline，9.1分

体验度：没上过

分类：统计类

这门课主要讲述机器学习中监督式学习的回归和分类，以及R语言在这方面的应用。机器学习就远不止初级统计学那么简单了（虽然有交叉部分），如果没有初级统计学基础不推荐学机器学习；实际上从这门课的用户点评来看，这门课也是比Andrew Ng的课要难不少。

建议：适合有计算机或数学专业素养、有算法基础的童鞋学习，至少要掌握了初级统计学后再来上这门课。

8-数据科学与机器学习要领

微软，edX，暂无评分

体验度：没上过

分类：程序类

从课程说明上来看，这门课并不是纯粹讲授R语言的课，只是把R当作工具来讲授机器学习的实践；而且除了R，还包括Azure、Python、SQL等技能。

建议：适合于已经有R语言基础，并同时掌握多种其他技能，想学习或巩固机器学习实践的童鞋。

哈佛大学生物数据分析专项课程，edX

哈佛大学生物系8项数据分析专项课程，其中前3门主要讲述统计学原理和线性代数等数学知识，没有生物背景的童鞋也可以上；后5门则是生物领域的专业应用了，请生物专业的童鞋自行交流，可以去抱生物博士@yz-nini 的大腿！

9-生命科学中的统计学与R编程 8.1分

分类：统计类

体验度：完全体验

这门课是老夫R语言的启蒙课啊！！！有很深的感情有木有！！！！其实客观上来说，单从统计学的角度来看，它不够系统；单从R语言的角度看，它不够循序渐进。但是它的优点是废话少，手把手带你解决实际问题；而且在作业里也提供了详细的解释和引导。手把手跟着视频练习一遍，并且独立完成作业的话，应该就能独立用R语言处理简单的实际项目了。

建议：已经有一定统计基础的，没有R基础或者想在实战中巩固R技能的童鞋适合上这门课。

10-线性模型和矩阵代数导论 6.9分

分类：统计类

体验度：完全体验

这门课主要是讲线性代数理论的，以及R的一些相关计算。但是这门课并不系统。如果你学习线性代数，那这门课偏简单了点（除了最后两节个人感觉忽然就很难了）；如果你没有线性代数基础，这门课可能就难跟上了。这门课里的R应用主要体验在矩阵运算。

建议：适合有线性代数理论基础以及R编程基础，想要学习R里矩阵运算的童鞋学习。

11-生命科学的高级统计学 8.1分

（理工科的闷骚男，所有的课都用同一张图真的大丈夫？）

分类：统计类

体验度：没上过

从课程说明来看，这门课主要讲授高级统计学的原理，当然还是用R来计算。课程难度比前两门提升了不少。而且这门课还讲到了R markdown的应用方法。

建议：有一定R基础，且想学习高级统计学原理的童鞋推荐上这门课。

JHU数据科学专项课程，Coursera

终于轮到广为人知的JHU的专项课程了。坦白说，这个专项课程的普遍评价并不是很好，但并不代表没有价值。如果没有更好的选择，上这些课一样会有收获。根据首席点赞官@PuNaDSmile 的观点，这个专项课程在被广大的学生吐槽之后，很有骨气地在不断改善，这也是在传统学校里处于弱势地位的学生在MOOC平台上发挥力量的正能量案例；所以大家要还是给这些课程多一点鼓励吧。

12-数据师的工具箱 6.7分

分类：程序类

体验度：没上过

从用户点评上看，这门课的内容主要是Github的介绍以及R环境的配置。但实际上，有一定操作能力的童鞋都能自行解决Github的熟悉和R、RStudio的安装。

建议：建议完全不了解Github或者无法独立安装R的童鞋上。

13-R语言程序开发 7.1分

分类：程序类

体验度：部分体验

从课程目录来看，这门课的结构非常零散、不系统，基本上是想到哪就讲哪，看不出课程设计的认真的诚意。

从用户点评上看，主要槽点在：

1、对新手来说太难，不适合入门；

2、老师只是照念PPT，十分boring；

3、看视频也没用，也做不了作业。

但老夫是做过作业的，quizzes非常简单，轻松满分；projects是基于三个医疗行业的比较大规模的数据集，创建自定义函数实现特定功能；对于训练逻辑思考和自定义函数还是很有好处的。并且这门课作业的提交方式也很智能，直接在RStudio上在线提交，连接到Coursera给分；灰常开眼界。

此外，这门课介绍了swirl包，这是一个非常好的入门包——零基础的同学如果想上这门课，建议从这个包开始学。

建议：适合有R基础的童鞋练手用。

14-获取和整理数据 7.1分

分类：程序类

体验度：没上过

有一些分析文章指出，R的一个弱点是在导入数据接口方面并不强大；所以往往需要经过SQL、Python、Excel的预处理再导入。但这种方式却不是唯一的途径。从课程说明以及用户点评来看，这门课主要讲到用R的网页爬虫，从APIs和数据库中处理数据，这是相当实用的技能。

建议：有R基础并且有一定开发需求，想要提高获取数据及数据分析效率的童鞋适合上这门课。

15-可重复性研究 6.9分

分类：程序类

体验度：没上过

这其实就是教用R markdown的课程。R markdown在前面的一些课程里也提到。R markdown只是同时懂R和markdown的语法就没问题，但不知道这门课能否提供系统、全面的markdown教学。Markdown也确实是实用的技能，

PS：在MOOC学院楼主发帖也是支持markdown的哦！学好这个技能回来刷逼格也是不错的，哈哈。

建议：有一定R基础且零基础想学markdown语法的童鞋可以一上，否则这门课没必要上。

16-探索性数据分析 7.5分

分类：绘图类

体验度：没上过

这门课主要讲述用base、lattice、ggplot2包来画各种描述性统计图，以及一部分高级统计学处理数据的方法。

建议：适合有一定R基础，想学习用R作图的童鞋。

17-统计推断 6.5分

分类：统计类

体验度：没上过

从用户点评上来看，这门课主要讲授置信区间、假设检验、P值等概念。不少人吐槽这门课的统计知识不全面系统，不够细致。实际上，如果你已经有统计学基础，就不必上这门课；如果你没有一点统计学基础，那还有更适合的课。

建议：适合有统计学和R基础的童鞋练手用。

18-回归模型 6.1分

分类：统计类

体验度：没上过

回归是初级统计学中比较抽象复杂的部分，从用户点评上看，这门课貌似花了太多精力在数学公式的推导上，然而大部分人只关心怎么用。如果你不懂回归，有更适合的课。

建议：适合有统计学基础和R基础，想深入研究回归模型或想在回归方面练手的童鞋上。

19-实用机器学习 7.4分

分类：程序类

体验度：没上过

从用户点评上来看，这门课主要是实践，不怎么讲理论。不过机器学习的核心就是算法思想，如果不掌握理论，就算被手把手地教操作，也无法独立处理实际项目。老师也推荐先去上Andrew Ng的课。这门课实用性很强也是一个优点。

建议：适合有R基础且掌握机器学习基本理论的童鞋上。

20-数据产品开发 7.3分

分类：程序类

体验度：没上过

R的shiny来开发网页应用以及用R的包来制作幻灯片，算是比较高级且有趣的功能。可能一般人用不上，但学了也挺有意思。

建议：适合有R基础，想领略R的美妙之处的童鞋上。

老夫目前发现的MOOC学院与R相关的课程就这么多，欢迎补充。

大部分MOOC的功能仍是体现在“师傅领进门”，如果想深入学习一门技能，那么找一些书自学是必不可少的。下面推荐一些R语言相关的书作为彩蛋。

推荐书单

1-图灵程序设计丛书:R语言实战

作者：卡巴科弗（Robert I.Kabacoff）

译者：高涛，肖楠 ，陈钢

【统计类+绘图类】

非常经典的R语言入门教材。内容非常系统、全面，结构也很清晰、有序。从初级统计学到高级统计学，各种常用的图形都有讲到。把本书仔细研读，R就能达到入门级中不错的水平了。

2-R语言初学者指南

作者：阿兰•F•祖尔（Alain F.Zuur），埃琳娜•N•耶诺（Elena N.Ieno）

【程序类+绘图类】

本书基本不涉及统计知识，主要讲R的一些语法来处理数据和编程计算，以及一些作图。

3-R语言编程艺术

作者：麦特洛夫（Norman Matloff）

译者：陈堰平，邱怡轩，潘岚锋，熊熹

【程序类】

本书基本不涉及统计和作图，只讲R编程来处理数据。值得一提的是，本书有不少案例，实践性较强。

4-R语言核心技术手册（第2版）

作者：阿德勒（Joseph Adler）

译者：刘思喆，李舰，陈钢 等

【程序类+绘图类+统计类】

这本书是个大杂烩，把R的主要功能都集成了，600+页不是吹的。先是详细介绍R语言的语法，然后讲述画图，最后还介绍到了统计和机器学习算法。这是专业级的书，不推荐初学者。

5-ggplot2：数据分析与图形艺术

作者：哈德利·威克姆（Hadley Wickham），殷腾飞 (合著者)

译者：统计之都

【绘图类】

ggplot2包是R中一个很有名的绘图包，用来画美观、精细的图形。ggplot2包在别的书中一般都是简略地带过，这本书却是专门教用这个包画各种常用图的方法。老夫正在无限期拖延学习本书，在发布连载笔记，欢迎一起学习交流！

6-R数据可视化手册

作者：Winston Chang

译者：肖楠，邓一硕，魏太云

【绘图类】

又一本R作图书，不过应该是用base包的基础绘图设备。这本书很全面地介绍了各种图形的画法。可以先看这本书，再看上面那本书，二者一起学相得益彰。

7-计算机科学丛书:数据挖掘与R语言

作者：托尔戈（Luis Torgo）

译者：李洪成 ，陈道轮，吴立明

【算法类】

R语言在数据挖掘领域的应用。这本书的特点是案例比较丰富，而且以实例为导向来讲授知识，应该更能学到解决问题的方法，更有助于理解理论。

8-数据分析：R语言实战

作者：李诗羽，张飞，王正林

个人观点：【统计类】很中规中矩的边讲基本统计学原理，边用R实践的书。可以用为作为学习统计类MOOC的补充。

9-数据科学中的R语言

作者：李舰，肖凯

【程序类】

这本书基本没涉及到统计学，主要讲机器学习和一些R程序操作。本书的一个特定是后半部分有大量行业实例，甚至还有作者自己在微博方面的包，以及与其他各种技术的交互。本书难度较高，不推荐给初学者。

10-统计学精品译丛·金融数据分析导论：基于R语言

作者：Ruey S.Tsay

译者：李洪成，尚秀芬，郝瑞丽

【算法类】

如书名所示，这本书非常专业化，就是为金融领域为背景，专门解决金融专业数据分析问题。适合金融专业学生和从业人员学习。

11-数据科学与工程技术丛书:机器学习与R语言

作者：Brett Lantz

译者：李洪成

【算法类】

讲述了比较丰富的机器学习算法，以及一些实例上的解决方案。内容丰富是本书亮点。

12-应用统计学丛书:多元统计分析及R语言建模（第3版）

作者：王斌会

【统计类】

特点是专门教授高级统计学原理。

13-大数据技术丛书：R与Hadoop大数据分析实战

作者：普贾帕提（Vignesh Prajapati）

译者：李明，王威扬，孙思栋 等

【程序类】

亮点是既讲Hadoop又讲R，以及二者的交互；适合大数据开发的程序猿。

14-R语言与网站分析

作者：李明

【综合类】

主要内容依然是依次讲基本程序语法、绘图和一些机器学习理论方法，最后两章是互联网的实际项目。本书的亮点是与互联网网站分析结合起来，有较为丰富的网站分析案例。适合互联网从业事学习。

15-空间数据分析与R语言实践

作者：拜凡德（Roger S. Bivand），裴贝斯玛（Edzer J. Pebesma） 等

【算法类】

专业向。适合地理类、生态类等相关专业童鞋学习。

16-R语言与Bioconductor生物信息学应用

编者：高山，欧剑虹，肖凯

【统计类】

专业向。适合生物专业童鞋学习，另外可以跟 Introduction to Bioconductor 这门课一起学习。

先就这么多吧，累shi老夫了……

其实R只是个工具，SPSS、SAS、Python、MATLAB也一样有着强大的数据分析功能，R有自己的长处和弱点并非不可代替，而通用的统计学和机器学习的理论才是不可代替的。

事实上，数据分析本来就是一个非常宽泛的概念，在不同行业不同专业中可能是截然不同的体现。先明确自己的行业和背景及其数据分析的应用，再学习R作为一款强大的数据分析工具，才是科学的方法。

本文作者依然很拉風在MOOC同学成立了R语言学习自习室，长按二维码，马上组队学习！

如果你和楼主一样，是个忙于应付实验、数据和论文的研究僧，

请戳“阅读原文”发现更多研究僧必备好课程！