【R】参考书｜《R数据科学》封面、目录及前言部分

前言

摘要

关于学习工具软件的看法

我们认为最好每次只学习并精通一种工具。如果你潜心研究一种工具，那么会比同时泛泛地学习多个工具掌握得更快。这并不是说你只应该精通一种工具，而是说每次专注于一件事情时，通常你会进步得更快。在整个职业生涯中，你都应该努力学习新事物，但是一定要在充分理解原有知识后，再去学习感兴趣的新知识。

我们认为R 是你开始数据科学旅程的一个非常好的起点，因为它从根本上说就是一种用来支持数据科学的环境。R 不仅仅是一门编程语言，它还是进行数据科学工作的一种交互式环境。为了支持交互性，R 比多数同类语言灵活得多。虽然会导致一些缺点，但这种灵活性的一大好处是，可以非常容易地为数据科学过程中的某些环节量身定制语法。这些微型语言有助于你从数据科学家的角度来思考问题，还可以在你的大脑和计算机之间建立流畅的交流方式。

更多学习提示

如果遇到问题，首先应该求助于Google。通常来说，在查询内容时加上一个“R”，就足以得到与R 相关的结果。如果查不到有用的结果，这意味着目前还没有特定的R 解决方案。Google 特别适合查询错误消息。如果收到一条错误消息，但根本不知道其含义，那就用Google 搜索一下吧！很可能有人遇到过这种错误，而答案就在网上。（如果错误消息不是英文，可以运行Sys.setenv(LANGUAGE = “en”)，接着重新运行代码；使用英文错误消息进
行查询更可能获得帮助。）

如果Google 没有奏效，那么可以试试Stack Overflow。先花点时间搜索一下现成的答案；使用[R] 可以将搜索范围限定在与R 相关的问题和答案中。如果没有发现任何有用的内容，那么就准备一个最简单的可重现实例，即reprex。良好的reprex 让你更容易从他人那里获得帮助，而且在准备reprex 时，你往往自己就能发现问题所在。

准备工作

需要4 个工具：R、RStudio、一个称为tidyverse 的R 包集合，以及另外几个R 包

你将学到什么？