如何高效地學(xué)好R語言?

學(xué)R語言主要在于5點(diǎn)三階段：

第一階段有一點(diǎn)：基礎(chǔ)的文件操作(read.*, write.*)、數(shù)據(jù)結(jié)構(gòu)知識(shí)，認(rèn)識(shí)什么是數(shù)據(jù)框(data.frame)、列表(list)、矩陣(matrix)、向量(vector)，如何提取(包括which, [ ]等)、置換(t, matrix等)、刪除(-, which等)、運(yùn)算(+, -, *, / , %%, %/%等)、轉(zhuǎn)換(as.*)、修改(edit, fix等)數(shù)據(jù)（包括單個(gè)數(shù)、行、列、表、變量），安裝包、調(diào)用包以及session的保存。完成這一階段，你就大致能像excel里處理數(shù)據(jù)一樣了。

第二階段有三點(diǎn)：

1、學(xué)習(xí)統(tǒng)計(jì)。

這是貫穿整個(gè)R學(xué)習(xí)的最重要的一部，很多時(shí)候你并不是不知道在哪里找，怎么使用某個(gè)函數(shù)的參數(shù)，更多的時(shí)候你是不知道某個(gè)統(tǒng)計(jì)方法的原理，所代表的意義甚至不知道該用什么方法。所以學(xué)習(xí)統(tǒng)計(jì)學(xué)知識(shí)往往才是學(xué)習(xí)R的關(guān)鍵，之后找函數(shù)、怎么用其實(shí)都是傻瓜式的，并不需要你從頭編寫算法。這部分內(nèi)容頁要結(jié)合每個(gè)人要做的事做。

2、批量處理。

由于R和matlab一樣，注重的是批量處理，而且R之中的循環(huán)往往效率極低，所以在R之中如果你發(fā)現(xiàn)你要使用雙層循環(huán)的時(shí)候，就要想想了，有沒有批量處理的方法。

a、首先，幾乎所有的R里的運(yùn)算符和自帶的函數(shù)都是可以批量處理的。比如向量a+向量b是指每個(gè)元素按照index相加，所以就沒必要for一下了；

b、其次，R自帶有的apply族函數(shù)(因?yàn)槭且幌盗幸詀pply結(jié)尾的函數(shù)，所以稱為apply族)，split，以及aggregate函數(shù)。這三類就是R自帶的批量處理的利器，學(xué)好這三類函數(shù)，基本就可以完成絕大部分的數(shù)據(jù)批量處理了。

c、然后就是reshape2包以及plyr包了，這是批量處理的兩個(gè)利器，reshape主要是整形，plyr包基本提供了一套整理數(shù)據(jù)的理念，學(xué)好這兩個(gè)包，批量處理將事半功倍。

d、在實(shí)際過程中，一些for還是無法避免的。這時(shí)候就要考慮用別的語言來處理這部分事情了。比較常用的方法就是用別的語言批量生成R的代碼，還有就是直接用R調(diào)用別的語言處理的結(jié)果或者用別的語言調(diào)用R的處理結(jié)果。

3、繪圖系統(tǒng)。

總結(jié)而言，我們可以把R的繪圖系統(tǒng)分成四個(gè)：Graphics，lattice，ggplot2以及grid。最好學(xué)習(xí)順序也是按照這個(gè)來。

a、自帶的繪圖系統(tǒng)

這套系統(tǒng)可以完成最基本的事情，其操作也類似于matlab，可以看做是分步驟命令參數(shù)式繪圖，基本就是將一系列作圖看做一步步的命令，每一句都干一件事，然后通過參數(shù)調(diào)整其中的某個(gè)元素的大小、位置、顏色。

b、lattice

繪圖邏輯也同上。只是加了分組繪圖、facet的功能，這些都很實(shí)用，其目的就是講自帶函數(shù)中需要大量預(yù)處理以及多步繪圖的命令用一行命令代替。上手也非常簡(jiǎn)單。

c、ggplot2

這是經(jīng)典的R繪圖包，繪圖哲學(xué)是圖層式的，理解成一個(gè)一個(gè)圖層的覆蓋。這個(gè)繪圖系統(tǒng)能做很多事，而且其自帶主題也相當(dāng)漂亮。有一定的學(xué)習(xí)難度。

以下就是我用ggplot畫的圖

grid繪圖系統(tǒng)算是最基元的繪圖命令，很多指令都是從畫圓、直線、矩形開始的，這算是R里最好理解但也是最復(fù)雜的繪圖系統(tǒng)。適合想入深坑的人士學(xué)習(xí)，如果要自由創(chuàng)造一些新的圖形，或者編寫繪圖包，這是必學(xué)的繪圖系統(tǒng)。另一個(gè)值得說的就是grid中也有專門用來整理拼圖的指令，這個(gè)對(duì)于有一些論文拼圖需求的人來說還是學(xué)學(xué)比較好。

如果你完成了以上兩個(gè)階段，你已經(jīng)可以在工作學(xué)習(xí)中完成絕大部分的工作。但如果你是知識(shí)的創(chuàng)造者，或者是個(gè)程序員，或者是要實(shí)踐自己的算法、理論、統(tǒng)計(jì)方法、繪圖方法，或者亦或是你只是腦抽了，那就要進(jìn)入第三階段的學(xué)習(xí)。這部分包括，C語言掌握與精通、R語言調(diào)試、改進(jìn)、編寫包、寫一個(gè)地道的幫助文檔、推銷自己的想法。這一階段完成了，你也就是一個(gè)R語言的大牛了。少年到處是你可以施展拳腳的地方。

由以上內(nèi)容，可以基本上把學(xué)習(xí)路徑總結(jié)為下圖：

此外，其實(shí)R語言是一門輕編程重統(tǒng)計(jì)的語言，所以題主完全不需要擔(dān)心自己的編程基礎(chǔ)。直接做幾個(gè)小項(xiàng)目，你會(huì)很快上手，千萬不要從教材第一頁讀到最后一頁，那種效率極低，且容易半途而廢。

關(guān)于批處理的問題有幾位同僚在回復(fù)里面詢問批處理的問題，這里做個(gè)簡(jiǎn)單的解釋。

批處理類似于向量運(yùn)算，但也有很大差距，簡(jiǎn)單的說，是一個(gè)函數(shù)可以快速的套用到多維變量的每一維值中。

1. 自帶函數(shù)的批處理
譬如：

s <- 1:5
s * 2

這就是一個(gè)最簡(jiǎn)單的批處理的例子，結(jié)果是

2  4  6  8  10

這是一個(gè)簡(jiǎn)單的向量標(biāo)量積結(jié)果，而所謂的批處理也就是類似于這種處理方式。而在R之中，數(shù)據(jù)的最小單元其實(shí)就是向量，因此，幾乎所有R的函數(shù)，都是批處理的。（注意，與matlab不同，matlab最小單元是矩陣，因此，其基本的運(yùn)算都是基于舉證運(yùn)算的）。

我們可以用以下方式定義批處理函數(shù)：如果一個(gè)函數(shù)F，滿足，

且函數(shù)F的實(shí)現(xiàn)不基于任何顯式循環(huán)（諸如for，while， until），則函數(shù)F可以稱之為批處理函數(shù)。

譬如：plot（將兩個(gè)向量的對(duì)應(yīng)的數(shù)逐個(gè)地畫到圖中），paste（將字符串向量的每個(gè)字符串都做連接）等等。。。

這里比較一下會(huì)更加清楚，譬如如果在python里實(shí)現(xiàn)以上功能（不實(shí)用pandas和numpy包），就得采用顯式的循環(huán)（for，while等）：

a = list(range(1, 6))a = [i * 2 for i in a]

因此，我們可以看出采用批處理最大的優(yōu)點(diǎn)在于減少的代碼量，并且更加簡(jiǎn)潔明了，易于維護(hù)。

2. 批處理是否更加高效

其實(shí)批處理的另一個(gè)好處就是使得運(yùn)行更加高效，因?yàn)榕幚砗瘮?shù)往往經(jīng)過處理（使用更好的算法或者更底層的實(shí)現(xiàn)方式）得到某種程度的提速。我們?cè)谶@里測(cè)試實(shí)現(xiàn)將向量每個(gè)元素都自乘2這一功能，分別采用按鍵替換，按數(shù)字索引替換以及直接批量處理的方式，來測(cè)試不同方式速度是如何的。

a <- 1:10

f1 <- function(x) {
for (i in x) {
x[which(x == i)] = i * 2
}
}

f2 <-function(x) {
for (i in 1:10) {
x[i] = x[i] * 2
}
}

f3 <- function(x) {
x = x * 2
}

system.time(replicate(100000, f1(a)))
system.time(replicate(100000, f2(a)))
system.time(replicate(100000, f3(a)))

結(jié)果如下：> system.time(replicate(100000, f1(a)))
用戶 系統(tǒng) 流逝
4.47 0.01 4.72
> system.time(replicate(100000, f2(a)))
用戶 系統(tǒng) 流逝
2.53 0.00 2.63
> system.time(replicate(100000, f3(a)))
用戶 系統(tǒng) 流逝
0.63 0.03 0.72 

明顯看出，批處理并且避免顯式循環(huán)的方式的確有助于提高速度，代碼量也少的多。因此，何樂而不為呢？
但是經(jīng)過測(cè)試，并不是每個(gè)批處理函數(shù)的效果并不是都是那么明顯，譬如：strsplit。甚至研究碼源之后，你也會(huì)發(fā)現(xiàn)，很多批處理常用的函數(shù)的實(shí)現(xiàn)其實(shí)都是for，因此，有一派觀點(diǎn)認(rèn)為避免顯式循環(huán)（特別是指采用apply函數(shù)、plyr包的方法避免顯式循環(huán)），其實(shí)具有一定的誤導(dǎo)性，其是否能提高效率也是要視情況而定。
3. apply族函數(shù)和aggregate函數(shù)

這是R基礎(chǔ)包自帶的兩類用于批量處理的函數(shù)包，在此，只做簡(jiǎn)單地介紹：
apply函數(shù)族共有五個(gè)，分別是：apply，lapply，sapply，tapply，vapply。其總用其實(shí)就是將某個(gè)函數(shù)逐個(gè)套用到向量（矩陣）中每個(gè)元素之中，其實(shí)具體的作用，讀幫助文檔就可以了。

aggregate這個(gè)函數(shù)比較有意思，常用的帶入方式是：

aggregate(aDataFrame, by = list(vector1,vector2), FUN = aFunction)

作用就是基于by指定的變量做分組，計(jì)算FUN分別統(tǒng)計(jì)每個(gè)組的結(jié)果