前言

R语言是以统计和分析见长的专业的编程语言，具有优秀的绘图功能，且开源免费，有丰富的扩展包和活跃的社区。R语言的这些优质特性，使其始终在数据统计分析领域的SAS、Stata、SPSS、Python、Matlab等同类软件中占据领先地位。

R语言曾经最为人们津津乐道的是Hadley开发的ggplot2包，其泛函式图层化语法赋予了绘图一种“优雅”美。近年来，R语言在国外蓬勃发展，ggplot2这个“点”自2016年以来，已被Hadley“连成线、张成面、形成体（系）”，从而形成了tidyverse包。该包将“数据导入、数据清洗、数据操作、数据可视化、数据建模、可重现与交互报告”整个数据科学流程整合起来，以“现代的”“优雅的”方式和管道式、泛函式编程技术实现。不夸张地说，用tidyverse操作数据比pandas更加好用、易用！再加上可视化本来就是R所擅长的，可以说R在数据科学领域不次于Python。

这种整洁、优雅的tidy流，又带动了R语言在很多研究领域涌现出一系列tidy风格的包：tidymodels（统计与机器学习）、mlr3verse（机器学习）、rstatix（应用统计）、tidybayes（贝叶斯模型）、tidyquant和modeltime（金融）、fpp3和timetk（时间序列）、quanteda（文本挖掘）、tidygraph（网络图）、sf（空间数据分析）、tidybulk（生物信息）、sparklyr（大数据）等。

在机器学习和数据挖掘领域，曾经的R包总是在单打独斗，如今也正在从整合技术方面迎头赶上Python，出现了tidy风格的tidymodels包，以及新一代的用于机器学习的mlr3verse包，这些包基于R6类面向对象、data.table神速数据底层和开创性的Graph-流模式（图/网络流有别于通常的线性流）。

写作本书的目的

我发现近几年出现的R语言新技术很少有人问津，绝大多数R语言的教师和学习者，以及教材、博客文章仍在沿用那些过时的、晦涩的R语法，对R语言的印象仍停留在几年前：语法晦涩难懂、速度慢，做统计分析和绘图还行，没有统一的机器学习框架，无法用于深度学习、大数据、工业部署等。

有感于此，我想写一本用新R的技术，方便新手真正快速入门R语言编程的书，来为R语言正名。我是一名大学数学教师，热爱编程、热爱R语言，奉行终身学习的理念，一直喜欢跟踪和学习新知识、新技能。我对编程和R语言有一些独到的理解，因为我觉得数学语言与编程语言是相通的，都是用语法元素来表达和解决问题，我想把这些理解和体会用简洁易懂的方式表达出来。

希望这本书能让你学到正确的编程思想，学到新的R语言编程知识和编程思维，能真正让你完成R语言入门或将R知识汰旧换新。

本书的目标读者

没有R语言基础，想要系统地学习R语言编程，特别是想要学习新兴R技术的人。

具备一定的R语言基础，想升级R语言编程技术的人。

想要理解编程思想，锻炼向量化编程思维、函数式编程思维，以及想要真正掌握数据思维的人。

想要以R语言为工具，从事统计分析、数据挖掘、机器学习工作的人，特别是想学习使用机器学习包（tidymodels和mlr3verse）的人。

高校里对R语言及相关课程有需求的师生及科研人员，特别是将来想要在时间序列、金融、空间数据分析、文本挖掘等领域使用fpp3、modeltime、tidyquant、sf、quanteda等包的人。

本书特色

1．内容新颖

本书绝大部分内容参考新版本R包的相关文档，全面采用新的R语言技术编写，特别强调“整洁流、管道流、泛函流”数据科学思维（tidyverse）。

2．真正融入编程思维

很多R语言编程书只是罗列编程语法，很难让初学者学透它们。本书真正融入编程思维：由编程思想引导，了解编程语法到底是怎么回事，应该用于何处以及怎么使用。

3．精心准备实例

讲解编程语法必须配以合适的实例来演示，也建议读者一定要将编程语法讲解与配套实例结合起来阅读，比起将实例代码调试通过，更重要的是借助实例代码透彻地理解编程语法所包含的编程思维。本书后半部分是R语言在应用统计、探索性数据分析、文档沟通方面的应用，所配案例力求能让读者上手使用。

4．程序代码优雅、简洁、高效

本书程序代码都是基于tidyverse编写的，自然就很优雅。此外，本书尽量采用向量化编程和泛函式编程，更体现其简洁、高效。可以说，读者如果用这本书入门R语言，或者更新你的R知识库，就会自动跳过写烦琐、低效代码的阶段，直接进入“高手级”的行列。

本书内容安排

本书的结构是围绕如何学习R语言编程来展开的，全书内容共分为6章。 冯国双老师在《白话统计》中写道：

“一本书如果没有作者自己的观点，而只是知识的堆叠，那么这类书是没有太大价值的。”

尤其在当前网络发达的时代，几乎任何概念和知识点都可以从网络上查到。但有一点你很难查到，对于编程书来说，那就是编程思维。本书最大的特点之一就是无论是讲编程思想还是讲编程语法知识点，都把编程思维融入进去。

很多人学编程始终难以真正入门，学习编程语言要在编程思想的指导下才能事半功倍。本书的导语就先来谈编程思维，包括如何理解编程语言，用数学建模的思维引领读者从理解实际问题到自己写代码解决问题，了解R语言的编程思想（面向函数、面向对象、面向向量）。

第1章讲述R语言编程的基本语法，同时涉及向量化编程、函数式编程。这些语法在其他编程语言中也是相通的，包括搭建R语言环境以及常用数据结构（存放数据的容器），例如向量、矩阵、数据框、因子、字符串（及正则表达式）、日期时间，此外还涉及分支结构、循环结构、自定义函数等。这些基本语法是编写R代码的基本元素，学透它们非常重要，只有学透它们才能将其任意组合、恰当使用，以写出解决具体问题的R代码。同样是讲R语言的基本语法，本书的不同之处在于，用tidyverse中更一致、更好用的相应包加以代替，例如用tibble代替data.frame、用forcats包处理因子、用stringr讲字符串（及正则表达式）、用lubridate包讲日期时间、在循环结构中用purrr包的map_* 函数代替apply系列函数，另外还特别讲到泛函式编程。

第2章正式进入tidyverse核心部分，即数据操作。本章侧重讲解数据思维，先简单介绍tidyverse包以及编程技术之管道操作，接着围绕各种常用数据操作展开，包括数据读写（各种常见数据文件的读写及批量读写、用R连接数据库、中文编码问题及解决办法），数据连接（数据按行/列拼接、SQL数据库连接），数据重塑（“脏”数据变“整洁”数据，长宽表转换、拆分与合并列），数据操作（选择列、筛选行、对行进行排序、修改列、分组汇总）、其他数据操作（按行汇总、窗口函数、滑窗迭代、整洁计算），以及data.table基本使用（常用数据操作的dplyr语法与data.table语法对照）。tidyverse最大的优势就是以“管道流”和“整洁语法”操作数据，这些语法真正让数据操作从Base R的晦涩、难记、难用，到tidyverse的“一致”“整洁”、好记、好用，甚至比Python的pandas还好用！为了最大限度地降低理解负担，本书特意选用中文的学生成绩数据作为演示数据，让读者只关心语法就好。另外，tidyverse的这些数据操作，实际上已经在语法层面涵盖了日常Excel数据操作、SQL数据库操作，活用tidyverse数据操作语法已经可以完成很多常见任务。

第3章，可视化与建模技术。可视化只介绍流行的可视化包ggplot2，先从ggplot2的图层化绘图语法开始，依次介绍ggplot2的几大部件：数据、映射、几何对象、标度、统计变换、坐标系、位置调整、分面、主题、输出；接着介绍功能上的图形分类：类别比较图、数据关系图、数据分布图、时间序列图、局部整体图、地理空间图和动态交互图，对每一类图形分别选择其中有代表性的用实例加以演示。建模技术包括三项内容：（1）用broom包提取统计模型结果为整洁数据框，方便后续访问和使用；（2）modelr包中一些有用的辅助建模函数；（3）批量建模技术，例如要对各地区的数据分别建立模型、提取模型结果，当然这可以用for循环实现，但这里采用更加优雅的分组嵌套以及mutate+map_*实现。

第4章，应用统计。R语言是专业的统计分析软件，广泛应用于统计分析与计算领域。本章将从4个方面展开：（1）描述性统计，介绍适合描述不同数据的统计量、统计图、列联表；（2）参数估计，主要介绍点估计与区间估计，包括用Bootstrap法估计置信区间，以及常用的参数估计方法（最小二乘估计、最大似然估计）；（3）假设检验，介绍假设检验原理，基于理论的假设检验（以方差分析、卡方检验为例，并用整洁的rstatix包实现），以及基于重排的假设检验（以t检验为例，用infer包实现）；（4）回归分析，从线性回归原理、回归诊断，借助具体实例讲解多元线性回归的整个过程，并介绍广泛应用于机器学习的梯度下降法以及广义线性模型原理。

第5章，探索性数据分析。主要讨论三方面内容：（1）数据清洗，包括缺失值探索与处理、异常值识别与处理；（2）特征工程，包括特征缩放（标准化、归一化、行规范化、数据平滑）、特征变换（非线性特征、正态性变换、连续变量离散化）、基于PCA的特征降维；（3）探索变量间的关系，包括分类变量之间、分类变量与连续变量之间、连续变量之间的关系。

第6章，文档沟通，讨论如何进行可重复研究，用R Markdown家族生成各种文档，介绍R markdown的基本使用，R与Latex交互编写期刊论文、PPT、图书、R与Git/GitHub交互进行版本控制、用R Shiny轻松制作交互网络应用程序（Web App）以及开发和发布R包的工作流程。

附录部分是对正文内容的补充和扩展，分别介绍R6类面向对象编程、错误与调试、用R实现Excel中的VLOOKUP与透视表、非等连接与滚动连接、R与网络爬虫、R与高性能计算、R机器学习框架—mlr3verse和tidymodels。

大家可以根据自己的需求选择阅读的侧重点，不过我还是希望你能够按照顺序完整地阅读，这样才能彻底地更新一遍你的R知识，避免将Base R与tidyverse混用，因为二者在编写R代码时不是一种思维，强行搭在一起反而效率低。

本书所用的软件

本书在编写时，使用当时最新的R语言版本4.2.2和RStudio-2022.07.2-576，使用的R包主要是tidyverse 1.3.2系列。

本书的配套资源下载

本书的R程序均作为R markdown中的代码调试通过，所有示例的数据、R程序、教学PPT都可以在异步社区官网、GitHub（https://github.com/zhjx19/introR）、码云（https://gitee.com/zhjx19/introR）下载。

致谢

感谢Hadley的《R数据科学》（R for Data Science）一书让我实现了tidy方式的数据科学入门；感谢Desi Quintans和Jeff Powell的Working in the Tidyverse一书让我真正开始对用tidyverse操作数据产生兴趣。也正是这些启蒙和启发令本书得以诞生。

感谢我的爱人及岳父岳母，在家庭生活方面给予我诸多照顾，让我能安心地创作；特别感谢我远在河北老家的母亲和弟弟，在我无能为力的时候，照顾生病住院和在家养病的父亲，免去了我的后顾之忧。

感谢Hadley开发的tidyverse包让R语言用起来如有神助，感谢谢益辉开发的rmarkdown/ bookdown帮助我高效地编写书稿，感谢黄湘云&叶飞整合的ElegantBookdown模板。

感谢知乎平台及知乎上的读者们，你们让本书有机会为广大的读者知晓。感谢“tidy-R”“Use R！”“数据之美”QQ群的群主和群里的很多朋友，大家一起学习R语言，一起解答问题，非常开心！也谢谢大家对我的支持以及对本书的期待，你们给了我写作的动力！谢谢群友们帮忙指出书中的错误，特别感谢好友楚新元、“随鸟走天涯”“庄闪闪”等，对本书部分章节中的内容给予很好的建议和很大的帮助。感谢“无安书”等人在“tidy-R”群热心解答群友问题。

感谢胡俊英编辑通过知乎平台找到我，并全力促成了本书的出版，为本书的出版做了大量认真细致的工作。感谢在工作和生活中帮助过我的领导、同事、朋友们，感谢你们，正是因为有了你们，才有了本书的面世。

本书是在黑龙江省哲学社科项目青年项目：全面二孩政策对黑龙江省人口的影响及对策研究（项目号：17TJC134）资助下完成，在此一并表示感谢！

关于勘误

虽然花了很多时间和精力去核对书中的文字、代码和图片，但因为时间仓促和水平有限，本书仍难免会有一些错误和纰漏。如果大家发现问题或有什么疑问，恳请反馈给我，也非常欢迎大家与我探讨R语言编程相关的技术，相关信息可发到我的邮箱zhjx_19@hrbcu.edu.cn，或者在本书的读者群“tidy-R语言2”QQ群（222427909）在线交流，也可以在我的知乎（知乎昵称“张敬信”）专栏相关文章下面评论或私信，我肯定会努力解答疑问或者指出一个正确的方向。