R与数据科学
R是一门特立独行的语言。我接触过的编程语言有：C、Java、PHP、R、Python和Javascript。除了R，其他语言的入门标志可能是你学会用它的if和for完成了一套处理逻辑；但对R而言，入门标志恰恰是你小心谨慎地避免在R中使用if和for来完成处理逻辑。
R需要一种特殊的学习方法。学习其他的语言好比学理科，理解最重要，得会举一反三，基础扎实了，掌握新工具分分钟的事。学习R却好像念文科，背诵最重要，只要记住做某件事最顺手的包和函数，就能得心应手。
R是一门天生就适合数据科学的语言。数据科学最常见的数据规格是表格型数据，也称为矩形数据：每一行代表一个观测，每一列代表一个特征。R内置数据类型data.frame能够非常自然地表达这种数据。而这种内置带来的深远影响是几乎所有的R工具包都提供了对data.frame的支持，所以R在数据科学领域的生态体系是许多语言所不能匹敌的。
R社区需要感谢一家有情怀的公司RStudio，里面有许多大家耳熟能详的大神：创始人兼CEO J.J. Allaire；首席科学家Hadley Wickham；还有我们中国的高产R包作者谢益辉。
要入门R语言，最好的学习资料是R for Data Science，书里的这张插图很好地诠释了数据科学的工作内容，而R在这些内容上能够提供全套工具：
我依照这个结构把自己的R语言学习笔记整理放在下面，供感兴趣的朋友查阅。
Transform
数据框通用操作：
- dplyr：SQL操作算子体系1，如
filter,mutate,group_by,summarise,arrange等 - tidyr：宽长表转换，列拆分合并
- data.table：SQL操作算子体系2，dt[
where,select,group_by]范式 - splitstackshape：基于data.table的列拆分宽长表转换
数据类型专题：
Visualise
Communicate
- 静态文档：rmarkdown
- 交互式网站：shiny
Applications
其他
R与Python对比
RStudio Cheatsheet