从我第一次接触R语言到现在(2020年)已经过了7年了，从一开始照着书本敲代码，到现在需要根据自己的需求编写代码处理问题，也写了一些和R语言有关的教程，算是能够比较熟练的使用R语言了。
由于平时经常有人问我如何入门R语言，而我通常会推荐几本书，让他/她去看其中的某些章节。为了避免重复回答同类型问题，于是就有人这篇推文。
首先，大部分人学习编程的目的，无非就是处理手头的数据，画一些好看的图。而我们之所以推荐R语言，也是因为R语言有着比较好的生态环境。
工欲善其事必先利其器，因此安装R语言环境是学习的最重要的一步。对于初学者，我建议这一步看视频，因为跟着视频安装R，RStudio 和 R包 不容易出错。我在哔哩哔哩上也上传了之前录制的一个视频，https://www.bilibili.com/video/BV19p4y1i7Zb 。
如果自己实在搞不定，或者不希望自己花太多时间在配置环境上，我们生信媛也提供了远程协助服务。
当我们配置好环境之后，接下来就是看书学习如何使用R处理数据。数据科学是一个极其广阔的领域，一个经典的数据科学项目需要的工具模型大体如下图所示。
为了能够在R语言中实现这套工具模型，看一本书肯定是不够的，我就买了不下5本和R语言有关的书（还有很多是电子版）。
这些书的侧重点各有不同，有些是面向初学者，有些是面向一定编程经验的人，有些是教你R语言绘图底层逻辑，有些则是给你画某种图形的代码。但是对于初学者我建议先买这三本，然后随便翻翻，看那本顺眼能看得下去，不要死磕一本书。
第一本书是「R数据科学」，如同封面所写，他就是按照我们之前说的那套工具模型教我们学习R语言。这本书有中文翻译版，但是和在线开源版，https://r4ds.had.co.nz/ 存在一些出入，其实只要英语过四级，都可以尝试去看英文原版（我之前还尝试过翻译，后来发现工作量太大，就放弃了）。这本书介绍的tidyverse语法是一套解决各种数据科学难题的动词。对于曾经只学过R的基础函数的我而言，用这套高级数据处理语法简直不要太爽。
第二本书是「R语言实战」，我是看的这本书入门R语言。这本书的优点和缺点都是内容太多，初学者看着压力就很大。为了帮助大家减负，我来划划重点
-
第1章: 1.1 到 1.5 -
第2章: 2.1, 2.2, 2.3.2, 2.4, 2.5, 2.6 -
第4章: 4.1 到 4.10, 4.12 -
第5章: 5.1 到5.3
第3章和第6章的画图是R语言的基础画图系统，只需要了解即可，因为大部分时候我们都用ggplot2.
对于书中的「中级方法」 和「高级方法」只需要在用到的时候才去翻，平时就当不存在。
第三本书是「R语言入门与实践」，这本书的架构非常符合我的喜好，也就是项目驱动型的学习策略。书中介绍了3个项目，非均匀骰子，扑克牌和老虎机。我觉得可以用相同的书名，将其中的例子换成 「生存分析」 ， 「差异表达分析」 和 「单细胞数据分析」 估计会有更多人看。
再强调一句，不要死磕一本书，因为每个写书的作者都有一定局限性。
