R语言做数据科学的学习路径

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

“Think twice, code once.”

第一步：认识R语言和构建R工作环境

1 你可以去R官方网址（https://www.r-project.org/about.html）了解R语言是什么？

2 您在这个网址（https://cran.r-project.org/bin/windows/base/old/）查看R软件的所有版本，并且选择您所需要版本进行本地化安装。笔者目前使用的是R3.5.0版本。

3 R的集成开发工具推荐使用和学习RStudio软件，下载链接：（https://rstudio.com/products/rstudio/download/）

第二步：学习R语言基础

了解R语的帮助，R工作环境，R的数据类型和数据结构，R的包，R的程序设计方法（顺序，分支，循环，面向对象）等内容。

第三步：数据处理，数据可视化，机器学习

• 您需要学会思考如何解决问题。

• 您需要学习如何从数据中获得有用的见解。

鉴于此，您要学习：数据处理，数据可视化，机器学习。

1 数据处理

众所周知，数据科学工作者需要花费70%到80%甚至更多的时间与精力做数据准备工作。通常情况，您不得不花费大量的时间在数据的各种转换操作上。

2 数据可视化

• 数据可视化可以增强您的信息传递。

• 数据可视化可以为您提供更清晰的理解。
  

• 数据可视化可以辅助您做分析与决策。

总之，数据可视化既是一门技术，又是一门艺术。

3 机器学习

我认为大多数初学者不应该急于学习机器学习方法(首先学习如何进行探索性的数据分析要重要得多)，但是这些方法的知识是非常重要的。当探索性数据分析不再带来新的有用信息时，您将需要更强大的工具。

第四步：构建自己的数据科学项目库

• 以问题和数据为驱动，设定目标，创建项目，并且使用R语言设计和实现它。
  

• 结合自身的专业知识和兴趣点，学习一些项目，了解他人的想法和做法，在消化和吸收的基础上，进行模型，重构和创新。

• 坚持项目管理的方法，对于所碰到的问题，都把它转化成一个个项目来做。
  

第五步：始终保持学习R语言和使用R语言

总结：R语言做数据科学的思考方向和工作流程。

思考题：

1 您使用过那些R语言做数据科学工作？
2 您最有趣的一个数据科学项目是什么？

想找数据工作或者要招数据人才的朋友，或者想了解数据人有趣事情的朋友，可以关注公众号【数据人才】。

想了解数据科学和人工智能的朋友，可以关注公众号【数据科学与人工智能】。