剛開始學(xué)習(xí)數(shù)據(jù)科學(xué)的人都會(huì)面對(duì)同一個(gè)問題：

我該選擇先學(xué)習(xí)哪種編程語(yǔ)言。

不僅僅是編程語(yǔ)言，像SPSS、Modeler、WEKA等軟件系統(tǒng)也是同樣的情況。有越來越多的工具和編程語(yǔ)言，很難知道該選擇哪一種。

事實(shí)是，你的時(shí)間有限。學(xué)習(xí)一門新的編程語(yǔ)言相當(dāng)于一項(xiàng)巨大的投資，因此在選擇語(yǔ)言時(shí)需要有戰(zhàn)略性。

實(shí)際上這個(gè)問題沒有標(biāo)準(zhǔn)答案，也沒有萬能的語(yǔ)言可以完成所有的工作，當(dāng)你入門在入門選擇語(yǔ)言時(shí)，你需要一種在這些領(lǐng)域都具有重要功能的語(yǔ)言。同時(shí)你需要執(zhí)行這些任務(wù)的工具，以及在你所選語(yǔ)言中來學(xué)習(xí)這些技能的資源。

如上所述，你更多地需要關(guān)注流程和技術(shù)，而不是語(yǔ)法。

你需要學(xué)習(xí)如何解決問題。

你需要學(xué)習(xí)如何在數(shù)據(jù)中找到真知灼見。

為此，你需要掌握數(shù)據(jù)科學(xué)的3個(gè)核心技能領(lǐng)域：數(shù)據(jù)處理，數(shù)據(jù)可視化和機(jī)器學(xué)習(xí)。在R語(yǔ)言中掌握這些技能將比任何其他語(yǔ)言都容易。

一、數(shù)據(jù)處理

根據(jù)數(shù)據(jù)挖掘標(biāo)準(zhǔn)處理流程KDD，數(shù)據(jù)挖掘流程大致分為三個(gè)部分，即數(shù)據(jù)前處理、數(shù)據(jù)挖掘、報(bào)告展現(xiàn)。其中數(shù)據(jù)科學(xué)中80%的工作都是數(shù)據(jù)處理。俗話說“Garbage In，Garbage Out”。通常情況下，你需要花費(fèi)大量時(shí)間來整理你的數(shù)據(jù)使。R語(yǔ)言中有一些很棒的數(shù)據(jù)管理工具。

R語(yǔ)言中的dplyr包使數(shù)據(jù)處理變得容易，這可以大大簡(jiǎn)化數(shù)據(jù)處理的工作流程。

二、數(shù)據(jù)可視化

ggplot2是最佳的數(shù)據(jù)可視化工具之一。ggplot2的好處是，在學(xué)習(xí)語(yǔ)法的同時(shí)，還學(xué)習(xí)如何思考數(shù)據(jù)可視化。所有的統(tǒng)計(jì)可視化都有很深層的結(jié)構(gòu)。存在構(gòu)建數(shù)據(jù)可視化的高度結(jié)構(gòu)化框架，ggplot2基于該框架。

此外，當(dāng)將ggplot2和dplyr組合在一起時(shí)，從數(shù)據(jù)中得出相關(guān)見解幾乎毫不費(fèi)力。

Echarts是有百度開發(fā)的一款免費(fèi)、強(qiáng)大的圖表生成和可視化庫(kù)，其可以方便得對(duì)數(shù)據(jù)進(jìn)行展示、交互、定制。使用echartR函數(shù)可以很方便的實(shí)現(xiàn)圖形繪制

三、統(tǒng)計(jì)分析

這個(gè)就不用多說了，R語(yǔ)言是由新西蘭奧克蘭大學(xué)的Ross Ihaka 和 Robert Gentleman發(fā)明。這兩位都是統(tǒng)計(jì)學(xué)出身，因此，R一開始就是為統(tǒng)計(jì)分析服務(wù)最合適的語(yǔ)言。

四、機(jī)器學(xué)習(xí)

最后，還有機(jī)器學(xué)習(xí)。雖然我認(rèn)為大多數(shù)數(shù)據(jù)科學(xué)初學(xué)者不應(yīng)該急于學(xué)習(xí)機(jī)器學(xué)習(xí)（首先掌握數(shù)據(jù)探索更為重要），機(jī)器學(xué)習(xí)是一項(xiàng)重要的技能。當(dāng)數(shù)據(jù)探索不再帶來洞察力時(shí)，你則需要更強(qiáng)大的工具。

R語(yǔ)言提供了目前幾乎所有主流的機(jī)器學(xué)習(xí)算法包，如神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機(jī)、KNN算法、貝葉斯分類、組合算法等等。