R語言知識體系概覽

R語言知識體系概覽

R的極客理想系列文章，涵蓋了R的思想，使用，工具，創新等的一系列要點，以我個人的學習和體驗去詮釋R的強大。

R語言作為統計學一門語言，一直在小眾領域閃耀著光芒。直到大數據的爆發，R語言變成了一門炙手可熱的數據分析的利器。隨著越來越多的工程背景的人的加入，R語言的社區在迅速擴大成長。現在已不僅僅是統計領域，教育，銀行，電商，互聯網….都在使用R語言。

要成為有理想的極客，我們不能停留在語法上，要掌握牢固的數學，概率，統計知識，同時還要有創新精神，把R語言發揮到各個領域。讓我們一起動起來吧，開始R的極客理想。

關于作者：

• 張丹(Conan), 程序員Java,R,PHP,Javascript

• weibo：@Conan_Z

• blog: http://blog.fens.me

• email: bsspirit@gmail.com

轉載請注明出處：
http://blog.fens.me/r-overview/

前言

最近遇到很多的程序員都想轉行到數據分析，于是就開始學習R語言。總以為有了其他語言的編程背景，學習R語言就是一件很簡單的事情，一味地追求速度，但不求甚解，有些同學說2周就能掌握R語言，但掌握的僅僅是R語言的語法，其實這只能算是入門。

R語言的知識體系并非語法這么簡單，如果都不了R的全貌，何談學好R語言呢。本文將展示介紹R語言的知識體系結構，并告訴讀者如何才能高效地學習R語言。

目錄

1. R的知識體系結構

2. R語言學習

1. R的知識體系結構

R語言是一門統計語言，主要用于數學建模、統計計算、數據處理、可視化 等幾個方向，R語言天生就不同于其他的編程語言。R語言封裝了各種基礎學科的計算函數，我們在R語言編程的過程中只需要調用這些計算函數，就可以構建出面 向不同領域、不同業務的、復雜的數學模型。掌握R語言的語法，僅僅是學習R語言的第一步，要學好R語言，需要你要具備基礎學科能力(初等數學，高等數學， 線性代數，離散數學，概率論，統計學) + 業務知識(金融，生物，互聯網) + IT技術(R語法，R包，數據庫，算法) 的結合。所以把眼光放長點，只有把自己的綜合知識水平提升，你才真正地學好R語言。換句話說，一旦你學成了R語言，你將是不可被替代的。

1.1 R的知識體系結構概覽

R的知識體系結構是復雜的，要想學好R，就必須把多學科的知識綜合運用，所以最大的難點不在于語言本身，而在于使用者的知識基礎和綜合運用的能力。

首先，從宏觀上讓我們先看一下R的知識體系結構的全貌，然后再分別解釋每個部分的細節。

注：此圖僅僅是我對R語言的理解，不排除由于個人閱歷有限，觀點片面的問題。

圖中我將R語言知識體系結構分為3個部分：IT技術 + 業務知識 + 基礎學科。

• IT技術：是計算時代必備的技術之一，R語言就是一種我們應該要掌握技術。

• 業務知識：是市場經驗和法則，不管你在什么公司，都會有自己的產品、銷售、市場等，你要了解你的公司產品有什么，客戶是誰，怎么才能把產品賣給你的客戶。

• 基礎學科：是我們這十幾年在學校學的理論知識，當初學的時候并不知道是為了什么，畢業后如果你還能掌握一些知識并實際運用，那么這將是你最有價值的競爭力。

每個部分知識單獨看都有其局限性，但如果能把知識兩兩結合起來，就構成了我們現在社會的各種技術創新點。

• IT技術+業務知識：創造了阿里巴巴的電子商務帝國，騰訊全生態鏈的社交網絡。

• IT技術+基礎學科：創造了Google搜索的神話，華爾街金融不敗的帝國。

當然，R語言只是一門計算機語言技術，不能獨自承擔改寫歷史的重任，但R語言確實給了我們很大的想像空間，讓我們能動手去了解這個世界的規律，找到無窮無盡的交叉點，創造出新的帝國。

如果你和我一樣，都能站在這個角度來學習和使用R語言，那么我們一定可以成為并肩向前的同路人。歡迎加入我的團隊，我們正在努力改變著未來。

1.2 R語言基礎的知識

藍圖總是宏大和美好的，具體落實也將是困難重重的。接下來，我將會梳理思路，把所有的知識點對應到可操作的文檔上，希望幫助大家掌握R語言的全貌！

R語言基礎的知識，包括R語言的語法，R語言核心包的使用，R語言的內核編程，R語言包的開發，以及R語言的虛擬機。

1.2.1 R語言的語法

語法是我們了解R語言的第一步，和所有人一樣，我也在很短的時間就適應R的語法規則，數據結構，基本類型，常用函數等等。但其實R的語法上坑，遠比你知道的多得多。

我舉個例子，看誰能準確的回答。比如，最基礎的符號操作 “=”,”<-","<<-" ，三者有什么區別，分別在什么時候用？不要偷偷說問題太偏了，實際根本用不到。我的代碼里處處都在用這3個符號，只是你不知道而已。在學習R的時候，不要 用已經掌握的C, Java, Python的經驗直接去套R的語法，掉坑里的就是這些人。要重頭開始學，一路上沒有捷徑。 R語言是函數式語言，語法自由，命名自由，使用簡單，這只是對于普通用戶來說的。作為一個有理想的極客，怎么能只停留在語法上呢！R是完全面向對象的，你 了解什么是面向對象嗎？R的面向對象打破了R原有的自由，但又要兼容原有的自由語法，多么糾結的設計啊，你能體會到嗎？并不是記住了R的語法，就代表掌握 了R語言。里面種各坑，只有自己踩了，再自己爬出來，才是真正的成長。1.2.2 R語言核心包的使用

R語言同其他語言一樣，在軟件啟動時，為我們提供了7個核心包，包括了眾多的基礎函數，如 數學計算函數，統計計算函數，日期函數，包加載函數，數據處理函數，函數操作函數，圖形設備函數等。通過search()函數，可以查看到R啟動時默認加載7個核心包。

> search()
[1] ".GlobalEnv"        "package:stats"     "package:graphics"
[4] "package:grDevices" "package:utils"     "package:datasets"
[7] "package:methods"   "Autoloads"         "package:base"

這7個核心包，就是我們構建復雜模型的基礎。由于這幾個核心包比較底層，很多函數都是用C語言封裝的沒有R的源代碼，而且除了官方文檔，幾乎沒有其他更詳細的文檔介紹，所以這幾個核心包就是學習的門檻，不要覺得某些函數會用了就行了，背后還有更深一層意義。

再問個問題，R的所有操作都是函數操作，那么“a<-1:10” 語句會被解析對應什么函數？

> a<-1:10;a
 [1]  1  2  3  4  5  6  7  8  9 10

答案是，"1:10"對應"seq()"，"<-"對應assign()。

> assign('b',seq(1:10));b
 [1]  1  2  3  4  5  6  7  8  9 10

掌握這種對應關系的意義在于，因為R是解釋型語言，我們可以通過傳遞一個函數A的句柄，讓其他的函數B動態調用這個函數A，這就是動態語言中的閉包 特性的使用思路。在Javascript中，已經被廣泛使用了，但在R語言中，卻只有核心包的一些函數在使用這種語法。在R語言中，這種需要有計算機背景 知識的地方還有很多，特別是在考慮如何提升R性能的部分。所以，不要太輕易就說自己掌握了R語言，多想想如何才能把其他語言的基礎帶到R語言的世界里。

1.2.3 R語言的內核編程

R語言的內核編程，又是一個比較復雜的計算機學科的問題。R的內核編程應該包括哪些內容呢，除了剛才說的R的語法和R的核心包，還有面向對象編程，向量化計算，特殊數據類型，環境空間等。我的第二本書《R的極客理想-高級開發篇》將會重點介紹這部分的內容。

面向對象編程，是一種對現實世界理解和抽象的方法，主要用于解決復雜問題的設計及實現。在Java的世界里，從 2003年開始我接觸Java的時候，社區就已經在聊面向對象的程序設計了。對于R語言來說，直到2010年發布的2.12版本，才最終有了RC類型的面 向對象實現。面向對象的成熟，標志著R已經具備了構建復雜大型應用的能力，但如何真正地把面向對象用好，似乎也并不是統計人擅長的。有能力寫出像 Hadley Wickham面向對象代碼的人，在R的圈子里，實在是極少數的。

向量化計算，是R語言特有的一種并行計算方式。在R中，向量是R的基本數據類型(vector)，當你對一個向量進行操作時，程序會對向量中每個元素進行分別計算，計算結果以向量的形式返回。比如，最常見的兩個等長的向量相加。

> 1:10+10:1
 [1] 11 11 11 11 11 11 11 11 11 11

向量化計算，在R中有很廣泛的應用場景，基本可以取代循環計算，高效的完成計算任務。我們定義兩個向量，先相加再求和，run1()函數用向量化計算實現，run2()用循環方法實現。

> a<-1:100000
> b<-100000:1

> run1<-function(){  # 向量化計算
+   sum(as.numeric(a+b))
+ }
 
> run2<-function(){  # 循環計算
+   c2<-0
+   for(i in 1:length(a)){
+     c2<-a[i]+b[i]+c2
+   }
+   c2
+ }

> system.time(run1())
用戶 系統 流逝 
   0    0    0 

> system.time(run2())
用戶 系統 流逝 
0.14 0.00 0.14

通過運行程序，我們可以清楚地看出，向量化計算要比循環快。當算法越復雜數據量越大的時候，計算的時間差距會越明顯的。R的編程中的一條法則就是用向量計算代替所有的循環計算。

特殊數據類型，R語言中除了那些基本的數據類型，還有一些高級的數據類型，并不是不常用，而是你不知道。

S3類型，S4類型，RC類型分別對應R語言支持的三種面向對象編程的數據結構。

環境類型(environment)，由內核定義的一個數據結構，由一系列的、有層次關系的框架(frame)組成，每個環境對應一個框架，用來區別不同的運行時空間(scope)。

可能還有我不知道的類型...(請發現的同學通知我！)

環境空間，在進行R包開發時，是必備的一個知識點。每個環境空間都是環境類型的一個實例。每個R包都會被加載到一個環境空間中，形成有層次關系的、可調用的空間結構。

我們定義的函數和變量，都會存在于R的環境空間中，通過ls()就可以看到當前環境空間中的這些變量，比如，剛才向量化計算定義的變量和函數。

> ls()
[1] "a"    "b"    "run1" "run2"

除了我們自己定義的變量和函數，環境空間中還有很多其他的變量和函數，比如sum(), length(), system.time()等，這些函數我們可以直接使用，但是它們并不在當前環境空間中，所以直接用ls()是查看不到的。當我們切換到base的環境 空間時，就可以找到sum()的函數定義了。

> ls(pattern="^sum$",envir=baseenv())
[1] "sum"

R語言內核編程，如同其他語言一樣，有很多的知識細節，并不是只有我提到的這幾點。但由于缺少文檔，同時R核心技術的不普及，所以知道的人就不多，會用的人更少。我也在每天探索，期待發現更多的秘密。

1.2.4 R語言包的開發

R包的開發，是R語言編程中比較難的，又不得不面對的問題，不僅要把上文中所提到的各種R語言技術綜合運用在一起，還要符合R包的開發規范，并用 Latex寫好文檔，最后提交給CRAN發布。技術問題雖然難，花時間還是可以解決的，但想要在CRAN上發布，那就只能用“難于上青天”來形容了。R語 言發展了20多年，只有5000多個包在CRAN上發布，審核不是一般嚴格啊！我寫的gridgame游戲包和chinaWeather天氣包，改了很多 次，都沒能通過，都到了要放棄的邊緣了。

換個角度想，只有審核嚴格才能保證用戶在安裝第三方的R包時候不會出錯。由于CRAN的審核過于嚴格，Hadley Wickham也受不了了，又開發了devtools包，不僅提供了簡化R包的開發的工具函數，還支持Github社區發布。這樣就可以脫離CRAN的束 縛，以個人的名義發布各種奇思妙想的R包，甚至是“不誤正業”的R包。嘿嘿！！

1.2.5 R語言的虛擬機

終于到我不熟悉話題了，已我3年多R語言使用經驗來說，還碰不到R語言的虛擬機。不過，網上看到很多高手在生產環境都會重新編譯R軟件，比如 用OpenBLAS加速R的矩陣運算，在虛擬機層實現矩陣的并行化計算，也有用GPU實現矩陣并行計算的；還有牛人把R實現的各種算法，都用C++重新實 現，然后通過Rcpp封裝，直接與R的虛擬機進行連接調用。

我看著各種大神走遠不送了，希望他們把虛擬機優化好了，免費發布個補丁包什么的。

1.3 R語言的第三方包

R語言的第三方包，主要包括了在CRAN上的5000多個第三方包，以及其他社區的R包，這些包在各種領域中都發揮著重要的作用。在《R的極客理想-工具篇》一 書中，我介紹了30多個包的使用，包括 時間序列包(zoo, xts, xtsExtra)，性能監控包(memoise, profr, lineprof)，R跨平臺通信包(Rserve, Rsession, rJava)， R服務器包(Rserve, RSclient, FastRWeb, Websocket)，數據庫訪問包(RMySQL, rmongodb, rredis, RCassandra, RHive), Hadoop操作包(rhdfs, rmr2, rhbase)等。

還有很多常用的包，比如 數據處理包(lubridate, plyr, reshape2, stringr, formatR, mcmc)，機器學習包(nnet, rpart, tree, party, lars, boost, e1071, BayesTree, gafit, arules)，可視化包(ggplot2, lattice, googleVis)，地圖包(ggmap, RgoogleMaps, rworldmap) 等。

R語言對于金融也有很好的支持，時間序列包(zoo, xts, chron, its, timeDate), 金融分析(quantmod, RQuantLib, portfolio, PerformanceAnalytics, TTR, sde, YieldCurve), 風險管理(parma, evd, evdbayes, evir, extRemes, ismev) 等。同時，我正在量化投資的創業中，R語言作為是系統架構中的算法引擎在最核心的位置，R正在承擔著最有價值的業務，在后續的《R的極客理想-量化投資 篇》一書中，我將會完整的介紹R語言在我的量化投資系統中的運用。

1.4 數學的基礎知識

數學的基礎知識，主要包括初等數學，高等數學，線性代數，概率論，統計學等。我們曾在大學中學過的各種數學，那些不知道有什么用，只為考試而學的數學，是能真正決定R語言掌握深度的基礎知識。

當R語言普及以后，變成大眾話的編程語言，入門會越來越容易，第三方包的調用會越來越簡單，最后就是拼基礎學科功底了，數學就是對所有人來說最難的基礎學科。

• 初等數學，中國人一直都在強調數學是我們的優勢，比老外強很多，其實強的部分僅限于初等數學，加法口訣和乘法口訣讓我們可以口算100以內的四則運算。

• 高等數學，大學里掛科最多的一門課，那種照本宣科的教學方法，完全不知所謂。至到遇到了R，我才恍悟 為什么最小二乘法能進行最優化的計算。重新撿起高數，是學R的必經之路。

• 線性代數，直到讀完了Google的PageRank論文的N年后，自己才想明白，原來矩陣可以處理海量數據的計算，實現分步式算法與單機算法的一致性。

• 概率論，通過R語言進行各種分步的隨機實驗，并利用概率密度曲線函數應用到實際的業務中，才讓我理解概率才是可以衡量客觀事件發生的指標。

• 統計學，通過R語言我們可以很簡單的構建各種統計模型，利用Bayes分別器判斷垃圾郵件，利用回歸模型預測未來的房價。

是R語言能讓我切身地感受到，數學的基礎知識在我們實際生活中的運用；也是R語言拉近了學術界和工業界的距離。如果能把我們從小到大學到的知識串起來，我想每個人都會具備與眾不同的知識結構，將會在各行各業實現偉大的創新。

1.5 業務知識

業務知識涉及的面非常廣，每個人都應該具備自身所處行業的知識，并結合R語言擅長的領域，發現新的機會。R語言擅長的領域包括 統計分析、金融分析、數據挖掘、互聯網、生物信息學、生物制藥、全球地理科學、數據可視化等。

我在軟件和互聯網行業呆了8年，親身經歷了兩個行業的高速發展和變遷。技術一波又一波，每年都有新的主題，一路跟下來的人越來越少，雖然新鮮的血液 不斷補充著，但能力和經驗卻遠達不到要求，被市場的浮躁擾動著。近些年，中國的創業公司的成功，少有技術創新，大都是商業模式創新和資本運作的成功。

面對著中國資本市場，掌握好業務的知識，就是找到了賺錢的法寶。當業務成熟，在大家都懂得游戲規則后，競爭就會變得異常激烈了，像電商，團購，旅 游，酒店，游戲 都是如此。新領域新業務，才是值得80后90后年輕人奮斗的方向。如火如荼的O2O、互聯網金融、物聯網、機器人，也許正是明年的爆發點。如果你又懂技術 又懂業務，學習又好，你將是下一個帝國的創造者。

1.6 跨學科的綜合運用能力

再次強調，只要把多種學科的知識綜合運用，不僅成為R語言的一代高手，更能實現自我的價值。

• 當IT技術與業務知識完美結合，你會在新興的市場的找到機會。一旦市場成熟后，業務競爭就會變成資本競爭，機會將不復存在。

• 當IT技術與基礎學科相結合，你可以通過科技創新，建立技術壁壘，保持技術優勢直到成為行業老大。

• 當IT技術、業務知識、基礎學科，三者同時具備時，那么你將是不可被替代的。只要找到屬于你的團隊，研發出自己的產品，推廣給你的用戶，你就已經成功了！

R語言可以從IT的角度，幫助你實現成功，同時你的成功也將是R語言的成功！

2. R語言學習

花了很大的篇幅，終于把我理解的R語言知識體系解釋清楚了，寫著寫著都快跑題了。那么接下來，我們應該如何高效的學習R語言呢？有句話要說在前頭， 學習是艱苦的，沒有捷徑可言，如果你想成功，那么更要面對苦中之苦。正確的學習方法，可以讓我們少走彎路，學習別人的經驗，會讓我們加速成長。

通過上文中對跨學科知識體系的描述，我想大家都應該明白了，要想學好R，最大的難點不在于語言本身，而在于使用者的知識基礎和綜合運用的能力。當然，綜合運用是要以良好的基礎知識為前提的，先拋開業務知識和基礎學科的知識不說，只談IT技術，應該要掌握哪些知識呢？

2.1 IT基礎知識

對于R語言本身來說，我們需要掌握R語言基礎的知識，包括R的語法，R核心包的使用，R的內核編程，R包的開發，以及業務相關R的第三方包的使用。

如果你在學習R語言之前，已經有了很多的Java, Python等編程語言的經驗，那么這將幫助你能很快熟悉R語言，你需要再補充一些數據分析和數據挖掘算法的知識，就能馬上用在實際的工作中了。

如果你之前是SAS或Matlab數據科學家，那你只需要熟悉R的編程語法和第三方R包，就能用R來完成SAS和Matlab的所有任務。

如果是BI程序員，平時工作經常有處理數據和可視化的任務，那么你可以邊學R邊補充一些統計的知識，從無味ETL過程中發現數據的價值。

如果你是一名在讀的統計學生，R語言將幫助你把書本上枯燥知識程序化，在學習過程中，就能發現社會的規律。

如果你一直在用Excel并抱怨功能遠遠不夠的時候，試一下R語言，你的想法很快就會變成你財富的源泉。

如果你是一名寬客(Quant)，還不懂R語言的話，那么你很快就會被市場淘汰的。

如果你是一名Hadoop算法工程師，用Java寫一個MR算法通常要好幾千行，你可試試用RHadoop，十分之一的代碼行就可以完成同樣的事情。

...

R語言可以與各種技術、各種思路相結合，讓R語言和你已掌握的知識進行碰撞，你就會變得和別人不一樣。

2.2 R語言中文圖書

記得 鄧一碩 寫過一篇"R語言書籍的學習路線圖"的文章，很有參考意義。文章分別介紹了R語言的初級入門、高級入門、繪圖與可視化、計量經濟學、時間序列分析和金融等內容，涉及到30多本R語言圖書和小冊子，但大部分是英文的。

隨著時間的推移，這兩年R語言又增加了好多本新書，中文圖書也慢慢地多了起來。對于不同層次的R語言用戶，也有了市場細分。入門的朋友可以從《R語言編程藝術》開始學習；有一定R的基礎的朋友可以閱讀《R語言實戰》；需要擴展知識面的朋友可以閱讀《R的極客理想-工具篇》；在掌握了各種R的入門技術后，高級的R語言開發者可以閱讀《R的極客理想-高級開發篇》(即將出版)；用R做可視化的朋友，可以閱讀《ggplot2:數據分析與圖形藝術》；正在學習統計學的朋友，可以閱讀《統計建模與R軟件》；準備用R做金融的朋友，可以閱讀《時間序列分析及應用(R語言)原書第2版》和《金融數據分析導論(基于R語言)》。

以上推薦的圖書，筆者都親自讀過，予以品質保證。此圖書列表將不定期更新，把我讀到的好書分享給大家！

2.3 R語言中文社區

除了圖書，中文的R語言社區和個人博客也在蓬勃發展。

• 統計之都，中國 大陸最權威的R語言組織，不僅積累了大量高質量的R語言文章，并主辦了七屆中國R語言會議。統計之都團隊成員，還參與翻譯了《R語言編程藝術》、《R語言 實戰》、《ggplot2:數據分析與圖形藝術》、《R語言核心技術手冊(第2版)》、《R數據可視化手冊》、《R語言統計入門(第2版)》等多本圖書。

• 煉數成金論壇，以數據分析為主題，設有R語言板塊，提供在線的R語言入門培訓，黃志洪老師算法講解超一流。

• 人大經濟論壇，以經管教育為主題，設有R語言板塊，以線下培訓為主。

2.4 R語言中文博客

• 筆者的個人博客-粉絲日志，原創了大量的R語言技術實戰文章，包括 R的極客理想系列文章、RHadoop實踐系列文章、R利劍NoSQL系列文章 ，并出版圖書《R的極客理想》系列圖書。

• 謝益輝個人博客，統計之都創始人，現任RStudio公司程序員，博客中主要包括各種有趣的技術和吐槽文章。

• 劉思喆個人博客-貝吉塔行星，現任京東推薦算法經理，博客中主要包括R語言企業級應用的文章。

• 李艦個人博客，現任Mango Solution中國區負責人，博客中主要包括R語言建模的文章。

• 鄧一碩的個人博客-格物堂，博客中主要包括的R語言金融數據分析的文章。

• 阿穩的個人博客-不周山(KX上網)，豆瓣算法經理，博客中主要包括R語言并行技術的文章。

最后，祝大家把R語言學好用好，在各自的領域中找到創新的突破口，實現自我價值，然后反饋給R語言社區，加速R的壯大發展。祝大家中秋節快樂。

注：本文將做為《R的極客理想-高級開發篇》一書的開篇文章。

######################################################
看文字不過癮，作者視頻講解，請訪問網站：http://onbook.me/video
######################################################

轉載請注明出處：
http://blog.fens.me/r-overview/

This entry was posted in R語言實踐

來自： http://blog.fens.me/r-overview/