#学习R的方法
知识和耐心，是成为强者的唯一方法。
-通过阅读来学习。包括了阅读经典的教材、代码、论文、学习公开课。-通过牛人来学习。包括同行的聚会、讨论、大牛的博客、微博、twitter、RSS。-通过练习来学习。包括代码练习题、参加kaggle比赛、解决实际工作中的难题。-通过分享来学习。包括自己写笔记、写博客、写书、翻译书，和同伴分享交流、培训新人。
一、初学入门：《RinAction》从统计角度入手，分高中低三部分由浅入深的讲解了如何用R来实现统计分析。《TheArtof_RProgramming》从程序编写的角度入手，对R的本身特点进行了清晰的介绍。《learningR》这本书没有单纯的讲语法，而是和的流程结合了起来，从数据获取到数据整理再
到分析和报告，有一气呵成的感觉，此外最后两章讲如何写稳健的R代码以及写包都是非常精彩的。
二、统计进阶：《AHandbookofStatisticalAnalyses_Using_R》《ModernAppliedStatisticsWithS》这两本书基本上涵盖了统计的一些高阶内容，例如多元分析、多层回归模型、荟萃分析、生存分析等内容。案例丰富，公式不多，值得反复学习参考。
三、科学计算：《IntroductiontoScientificProgrammingandSimulationUsingR》《MasteringScientificComputingwithR》除了统计分析外，独特之处在于使用R来做数值分析，如求根，最优化，数值积分。还包括了一些常见的模拟技术。书后的习题和最后的案例非常有用。
四、：《PracticalDataSciencewithR》以R本身的扩展包和函数入手，很有体系的介绍了数据科学的各个方面。《AnIntroductiontoStatisticalLearning》这本书可以说是另一本数据挖掘大作《TheElementsofStatisticalLearning》的R实现手册，体系结构基本一致，更强调用R来实现，更难得的地方是提供了很好的习题。《DataMiningwithRLearningwithCaseStudies》《MachineLearningforHackers》
两本侧重于数据挖掘的R书，全是以案例为线索，示范的代码量很大。跟一遍下来会有很大的收获。《DataMiningexplainusingR》用基本函数来实现各种机器学习算法，对理解算法底层很有帮助。《DataScienceinR》以案例为主的书，需要一定的数据挖掘基础。
五、数据绘图：《ggplot2ElegantGraphicsforDataAnalysis》ggplot2还有什么好说的呢，R中最优秀的绘图包，但由于近期该包升级很快，这书显得有些过时。好在中文版进行了大幅更新，即将面世。《RGraphicsCookbook》这本书也是RStudio公司的人出的，似乎是Hadley的学生吧，主要是各种ggplot2包的例子，也包括了用其它包来画图，建议通读一遍。
六、参考手册：《RCookbook》《RinaNutshell》有时候我们需要类似词典的案头参考手册，以方便随时查阅。又或者可以通读一
遍以查漏补缺。上面两本书虽然有些厚度，但仍然推荐之。后者的中文版也在翻译状态。
七、高级编程：《RProgrammingforBioinformatics》《softwarefordataanalysisprogrammingwithR》如果你是初学者，不要去看上面两本书。如果你想进阶为专家级R用户，那你需要精读它们。前者讲解了R少为人知的一面，例如字符处理、正则表达和XML，还有报错处理以及与其它语言的交互。后者更是编写生产级代码的圣经指南。《AdvancedRprogramming》Hadley的力作，清楚的讲解了R的函数式编程思想和写R包的各种细节，要迈入R高手，不得不读。
李舰和肖凯的作品《数据科学中的R语言》（六月份出版）
#阅读建议#
-在阅读时做笔记，以记下一些重点或心得-在阅读代码时，要在R环境中亲手键入代码并理解其意义-坚持练习,尝试利用身边的数据进行应用分析-理解扩展包和函数背后的原理（引用论文）
下面是一套数据分析与R语言视频教程资料
如何获取《零基础精通分子生物学实验技术》资源包？转发一下就能领取实验大佬整理的资源
而且还是花整整一周时间整理的
你真的赚到了
ps：如果小编没有及时回复，不要着急，我们每次活动都比珍珠还真！
要点预览
第11期医药加
R语言数据分析实战技术网络学习班
（理论+实践课+视频回放）
（两天网络授课，具体安排：11.28号~11.29号）
为帮助对R语言感兴趣的学员，掌握R语言数据分析的常用技能，考虑目前在疫情期间的实际情况，我们决定召开，为了保证学习效果，我们采用zoom网络会议平台授课，互动效果体验好！
课程可免费回放，专家