【版块活动】【奖品邮寄中】0元购R语言经典图书

接触R不久，最近正在学习R语言编程艺术。最初学习R是被它优美的作图所吸引，渐渐地也发现它是如此的强大。渐渐地我也放弃使用matlab、SPSS，把重点都放在用在R上面。我呢是个小硕士，专业是生物信息学方面的，所以日常工作都是以处理数据为主，没有学习R之前，想用什么方法，都要去搜索不同的软件，不过现在好了，用了R，不管是数据挖掘、统计分析、建模等，R都能帮我完成。
R的有点太多了，它是完全开源免费的，现在拥有很多的packages。 也是最近吧，CRAN上已近有超过5000 R packages 了。在统计分析上，只要你能想到的方法，R几乎都能帮你完成。R的作图我觉得是完美的，基础的作图已经可以满足日常需要了，再加上ggplot2，那更是如虎添翼。
我最初学习的编程语言是python，所以刚开始学习R，感觉R中变化太多了，有太多的参数，太多的包，这让我最初是很不适应啊。不过现在我倒觉得这正是R的优势所在吧。已经下定决心要学R了，再多的不适应都会过去吧。

wxj524 发表于 2013-11-12 09:54
接触R不久，最近正在学习R语言编程艺术。最初学习R是被它优美的作图所吸引，渐渐地也发现它是如此的强大。渐 ...

既然是生物信息学的话那可以多关注下bioconductor哈，那里的包专业对口而且质量很高哈，CRAN上虽然包多，但实在是良莠不齐。。。。

求证1加1 发表于 2013-11-12 10:00
既然是生物信息学的话那可以多关注下bioconductor哈，那里的包专业对口而且质量很高哈，CRAN上虽然包多， ...

嗯，会的。谢谢提醒啊

还是学生，学习R语言主要源自科研需要，学习时间已经超过两年了。我的主要科研目标是分析高通量基因组测序数据。早期涉及统计分析是，我曾使用SPSS尝试做过一些统计检验，但通常一种检验要做n次，而且n通常大于100，而且还要校正p值！经一位美国的统计教授推荐，我硬着头皮开始学习R语言，没想到这些工作在R环境下尤为简单！
R语言的优势主要在开源。大家都可以为彼此做贡献，彼此提高工作效率，彼此受益。具体到我自己的工作来说，R语言的优势主要体现在以下几个方面：
1，数据分析最后通常需要以图表形式展现出来，而R的制图功能非常强大，可以充分发挥用户想象，提供个性化的制图需求。我常用的R制图包包括，lattice，ggplot2，ade4等。
2，对于类似数据的挖掘，通常我们需要建立一条完善的分析流程。由于R和Python,C语言等都具备良好的接口，使其可以很好的整合到所需的生物信息分析流程中，完成数据转化，统计检验，统计模型构建等。当然，其中涉及接口的调试，编程效率的优化等问题，需要自己深入学习以待改进。
3，R为数据挖掘提供了良好的平台，有很多现成的包可以利用。我常用的包涉及机器学习（randomForest，e1071等），聚类（fpc，cluster等），时间序列分析（stats，forcast）以及多元统计分析（vegan，ade4等）等。
两年前，学习R语言的时候，基本没有可供参考的中文书籍。近两年逐渐多起来了，也方便的大家的学习。希望未来可以更多一些，特别是涉及R在某些专业领域的应用的书籍。

还是学生，准备找个计量软件学学。发现R似乎是一种潮流，就过来看看了。不过可惜错过了时机买书啊。
学习金融的不知道用这个软件合不合适，还要考虑时间成本问题。本来老师让我们自学过eviews，担心那个软件会有点过时了，听说隔壁学硕正在学R。

睚眦____ 发表于 2013-11-12 21:47
还是学生，准备找个计量软件学学。发现R似乎是一种潮流，就过来看看了。不过可惜错过了时机买书啊。
学习金 ...

哈哈eviews确实已经out啦，商业软件方面可能计量用stata的比较多，但是相对来说还是更推荐R，很多方面都不是stata所能比拟的，另外R其实还是很容易入手的，多看看多练练，提升非常快。

R语言其优点是免费，源代码开放，代码库很多，我在教学中使用，学生们反映还可以，但是计量经济学方面的方法更新较慢

R从它出生的第一天就是为了做统计计算的，那时它被定义为一个统计计算与作图的工具，虽然发展到现在它已经被赋予了越来越强大的功能，我是高校统计系的老师最了解自己最需要的是什么。
在统计计算中，需要根据样本数据作线性回归，得到一定的规律性，R中实现这个功能十分简单，以下是一个一元线性回归的例子：
x <- 1:10
y <- x+rnorm(10, 0, 1)
fit <- lm(y ~ x)
summary(fit)
注明一下，R里的“<-”符号意义为赋值，大多数情况下它可以用“=”号来代替，但某些特殊的场合不可以，本文会遵循“<-”这种官方使用的写法。这个例子的前两行准备了两列数据：自变量x与因变量y，第三行的函数lm即根据提供的样本数据进行线性回归计算，得到的模型结果可以用第四行打印出来。函数lm除了可以做这种简单的一元线性回归，还可以做多元线性回归，同时返回模型的各种统计量。
做统计的往往免不了要做各种各样的图形，R的另一个基本特点就是对图形的强大支持，以下代码展示了一个箱线图的作法，代码来自boxplot函数的manual，该图显示了几列数据的分位数、中值、均值、奇异点等信息及其对比位置。

R作为工作平台的一个重要原因则是庞大而无所不包的的CRAN，在那里几乎能找到所有你能想像得到的与分析研究相关的工具包，可以说丝毫不逊色于perl的CPAN。之所以拥有一个如此强大的第三方支持，一方面在于R本身在统计计算与计算能力方面的支持，另一方面则在于开发一个R扩展是如此地容易。如果自己的这个包感觉写得不错，又为很多人所需要，就可以提交到CRAN。这是造成CRAN如此庞大的原因，但同时也造成了CRAN的软件包良萎不全。但大多数情况下，这些包都会是你的得力助手，特别是那些著名而广为使用的包，如果觉得它们不满足你的需要，那么放心地对它们进行修改吧，因为它们都是开源的。

好牛啊