R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。
R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。
要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。
关于作者：
- 张丹，分析师/程序员/Quant: R,Java,Nodejs
- blog: http://blog.fens.me
- email: bsspirit@gmail.com
转载请注明出处：
http://blog.fens.me/r-book-statistics-and-data-visualization/
前言
R语言从小众语言，一度成为了是一门活跃度较高的语言。在数据分析领域，已经稳稳的站住了脚。有越来越多的R语言优秀的图书出版发行，让使用者能感受到R语言的强大。我也很荣幸收到了电子工业出版社博文视点的慧敏老师的邀请，为本书作序。虽然各种原因，没有实际加到书中。
推荐语
大数据时代的到来，让各行各业都积累了大量的数据。有了数据，如何利用，如何发现价值，是当前面临的难题。以统计学为基础的数据分析方法，上手难度大，需要专业的知识作为支撑，并不能普及到每一个数据分析师 ；以 Excel 为工具的数据分析方法，虽然容易掌握，但又很难做到深度挖掘，大都只能停留在一些简单的统计概览，算算总数、平均数、中位数等上面，发现不了底层的数据规律。
那么有没有一种方法，既能让学习和使用高效，又能挖掘出数据中的规律呢？《R统计与数据可视化 ：数据分析的艺术与实践》这本书就提出了一种解决方案。以 R 为工具，用可视化的图表来展示数据，借助不同类型的可视化效果图，让数据分析师看到同一数据的不同角度，通过维度变换来感知数据规律。
本书以 R 中的 ggplot2 包为核心工具，ggplot2 由 R 界大神 Hadley Wickham 开发，是制作专业的高质量静态图的 R 扩展包。本书不同于 ggplot2 的技术手册，不是单纯地介绍 ggplot2 的使用和枯燥的 API 功能点，而是以数据分析案例为出发点，叙述每个场景中数据的故事，到了什么阶段，自然而然地就要使用什么样的图表来描述数据的特点。这种方法与我在实际工作中做数据探索的方法是完全一致的。
为了降低统计学专业知识的上手难度，作者用了同样的方法。引入了大量案例作为铺垫，不需要像统计学的专业课那样按部就班地来学，而是跟着作者的每一步思路，一点一点地被引导，利用 R 语言的编程，通过函数调用的方式来完成复杂的统计学公式计算过程，最后通过可视化输出来展示整个分析过程和分析结果。
R 是非常善于做数据分析的，可能短短 20~30 行代码，就能让我们建立一个算法模型，做一个金融交易策略，实现一个顶级论文的算法思路，发现数据中蕴藏的规律，通过可视化来展示数据的模样。在数据分析领域 R 是王者，是让我们挖掘数据价值的“金铲子”。
如何从未知的数据中找到问题并挖掘价值，本书作者给出了一套方法流程 ：①描述数据并形成假设 ；②构建与估计模型 ；③诊断 ；④提出下一个问题。作者提供的过程与我们实际做数据分析项目的过程几乎是一致的 ：从一个不确定的需求开始，然后提出假设，观察数据，统计概览分析，数据建模，数据验证，数据可视化，输出报告，再进入下一步问题 ；重复这个过程，最后数据落地形成系统。这个过程就是把需求从不确定到一步一步明确，把宏观大目标通过数据分析缩小细化，最后找到数据中的规律，就是数据分析的核心要点。
我本是一个重度 R 用户，从开始接触 R 到今天已经 10 年了，编写了《R 的极客理想》系列图书，在博客中也贡献了很多 R 的使用案例。我的职业生涯从程序员开始到系统架构师，到量化投资 Quant，再到数据分析师。技术栈也从 Java 到全栈Node.js，再到 R。现在一直停在了 R，坚持在一线用 R 解决实际问题。我自己的学习过程，是从不断的试错和转型中摸索出来的，学习曲线非常陡峭。本书通过案例巧妙地运用 R 编程跳过复杂的统计学知识，并结合可视化的表达方式，把数据分析的整个过程淋漓展现。在国家数字化转型的大背景下，数据分析的人才严重缺乏，本书正好符合当下的环境需求，解决用户痛点，是一本提升数据分析师技能的优秀图书。
本书既可以让 R 的开发用户，提升自己在数据分析方面的能力 ；又可以让有统计学基础的用户，快速上手，把专业知识在实战中落地，看到效果 ；之前以 Excel 为数据分析工具的用户，也可以拓展新的思路，借助 R 对统计学的强大支持，挖掘更深层的数据规律。
感谢作者，戴维 S · · 布朗（David S. Brown），给我们带来了一本贴近真实场景的数据分析图书。感谢译者李嘉平对本书的翻译，让国内用户了解到数据分析领域、国外的先进思想和教学实践。感谢电子工业出版社对本书的引进，这势必会推进 R语言数据分析在国内的流行。
转载请注明出处：
http://blog.fens.me/r-book-statistics-and-data-visualization/
