虽然很早就知道R被微软收购，也很早知道R在统计分析处理方面很强大，开始一直没有行动过。。。直到

直到12月初在微软技术大会，看到我软的工程师演示R的使用，我就震惊了，然后最近在网上到处了解和爬一些R的资料，看着看着就入迷了，这就是个大宝库了，以前怎么没发现，看来还是太狭隘了。直到前几天我看到这个Awesome R文档，我就静不下来了，对比了目前自己的工作和以后的方向，非常适合我。所以毫不犹豫的把这个文档汉化了，所以大家一起享受吧。

这里有很多非常不错的R包和工具. 该想法来自于awesome-machine-learning.

这里是包的导航清单，看起来更方便 >>>导航清单

通过这些翻译了解这些工具包，以后干活也就方便多了。不过翻译这个东西的确要靠耐心，翻译，编辑花费了至少一周的空余时间。

在编辑本文的过程中，惊喜的发现Awesome系列的其他资源：地址在github：

1.DotNet 资源大全中文版

2.Java资源大全中文版

3.JavaScript 资源大全中文版

 

RStudio – 一个非常强大高效的图形界面开发环境，可以在Windows, Mac, 和Linux运行.>>>官网

Emacs + ESS – ESS是一个emacs文本编辑器的一个统计分析的插件. >>>官网

Sublime Text + R-Box – 一个在Sublime 2/3中使用R语言编程的插件. >>>官网

TextMate + r.tmblundle – TextMate 1/2的插件. >>>官网

StatET – 一个基于Eclipse的R语言IDE. >>>官网

Revolution R Enterprise – 专注于大数据,大规模多处理器的功能,可以对学术用户免费提供和商业使用. >>>官网

R Commander – 一个包括基本图形用户界面的R包. >>>官网

IRkernel – Jupyter的R语言内核. >>>官网

Deducer – 一个菜单驱动的数据分析的GUI工具,类似电子表格数据编辑器. >>>官网

Radiant – 一个使用R语言，独立的基于浏览器接口的业务分析平台,基于Shiny. >>>官网

Vim-R – Vim中R语言插件. >>>官网

Nvim-R – Neovim中R语言插件. >>>官网

JASP – 一个完整的贝叶斯和概念论相关方法的R包,和使用SPSS非常相似。 >>>官网

Bio7 – 一个包括创建,科学图像分析和统计分析的IDE. >>>官网

RTVS – Visual Studio中R开发工具. >>>官网

 

magrittr – 一个R语言高效的管道操作包. >>>官网

pipeR – 多泛型管道的实现. >>>官网

lambda.r – R语言中函数式编程和简单的模式匹配. >>>官网

purrr – 一个高级函数编程语言包. >>>官网

 

dplyr – 快速数据操作和数据库查询. >>>官网

data.table – 使用短小灵活的语法操作数据. >>>官网

reshape2 – 灵活的数据排列,聚合处理. >>>官网

readr – 一个快速简单的读取表格数据到R中的包. >>>官网

haven – 对导入SPSS,STATA和SAS的文件进行改进. >>>官网

tidyr – 方便对数据进行整理、传播和收集. >>>官网

broom – 将统计分析对象转换成整齐的数据框(一种数据组织和呈现的方式). >>>官网

rlist – 一个操作非规范化数据的工具箱. >>>官网

jsonlite – 一个快速解析JSON文件的包. >>>官网

ff – 设计用来存储大型数据集的数据结构. >>>官网

lubridate – 一组日期和时间函数. >>>官网

stringi – 基于ICU的字符串处理方案. >>>官网

stringr – 基于stringi之上的对字符串处理API. >>>官网

bigmemory – 提供共享内存和内存映射矩阵,同时也包提供额外的工具,包括线性模型.(biglm) 和随机森林 (bigrf). >>>官网

fuzzyjoin – 使用不精确匹配的方式连接表数据. >>>官网

tidyverse – 简单从tidyverse下载和安装包. >>>官网

 

ggplot2 – 强大的绘图统计和计算图形系统的实现.强烈推荐. >>>官网

ggfortify -一个ggplot2(流行的统计软件包)统一的接口(使用一行代码即可). >>>官网

ggrepel – 排除重叠的文本标签. >>>官网

ggalt – ggplot2额外的坐标系统,几何和统计. >>>官网

ggtree – 可视化和注释的系统树. >>>官网

ggplot2 Extensions – ggplot2扩展显示例子. >>>官网

lattice – 一个强大优雅的高级数据可视化系统. >>>官网

corrplot – 图形显示相关矩阵或一般矩阵。它还包含一些矩阵重新排序算法. >>>官网

rgl – R中3D可视化系统. >>>官网

Cairo – 一个使用cairo组件创建高质量显示输出的R图形包. >>>官网

extrafont – 在R中图像中使用字体的工具. >>>官网

showtext – 让R图形设备显示文本的时候使用系统字体. >>>官网

animation – 一个使用 ImageMagick在R中产生动画图形的工具. >>>官网

gganimate – 用ggplot2创建简单的动画. >>>官网

misc3d – 强大的3D绘图工具. >>>官网

xkcd – 在图表中使用xkcd风格. >>>官网

imager – 一个基于CImg库的图像处理包. >>>官网

 

d3heatmap – 使用D3绘制互动的热图. >>>官网

DataTables – 将R矩阵或数据框作为交互的HTML表. >>>官网

DiagrammeR – 在R中创建JS图表和流程图. >>>官网

dygraphs – 在R中绘制时间序列数据图形. >>>官网

formattable – 可格式化的数据结构. >>>官网

ggvis – R中交互式的图形处理语法. >>>官网

Leaflet – 一个非常流行的交互式地图JavaScript组件. >>>官网

MetricsGraphics – 可以轻松创建D3散点图、折线图和直方图. >>>官网

networkD3 – D3 JavaScriptR网络图. >>>官网

scatterD3 – D3 互动散点图. >>>官网

plotly – 使用plot.ly进行交互式ggplot2和Shiny绘图. >>>官网

rCharts – 交互式JS绘图. >>>官网

rbokeh – Bokeh的R接口. >>>官网

threejs – 交互式3D散点图和地球仪. >>>官网

timevis – 创建完全交互式的时间轴可视化图形. >>>官网

visNetwork – 使用vis.js类库进行网络可视化. >>>官网

 

knitr – R中简单的动态报表生成工具. >>>官网

xtable – 将表格导出到LaTeX或者HTML. >>>官网

rapport – 一个R模版系统. >>>官网

rmarkdown – R动态文档工具. >>>官网

slidify – 创建和发布漂亮的html5展示效果. >>>官网

Sweave – 使用R创建LaTeX报表的R包. >>>官网

texreg – 在LaTex和HTML中格式化统计模型. >>>官网

checkpoint – 从检查点快照服务器安装包. >>>官网

brew – 报告模板的生成框架.可以和knitr合并. >>>官网

ReporteRs – 一个生成微软Word, PowerPoint和HTML报表的R包. >>>官网

bookdown – 使用R Markdown编写书籍. >>>官网

ezknitr – 避免使用’knitr’带来的工作目录的痛苦. >>>官网

 

Web Technologies List – 关于如何使用R和网络的相关信息. >>>官网

shiny – 使用R创建简单的Web交互应用. >>>官网

RCurl – 常规的网络客户端接口 (HTTP/FTP/…) . >>>官网

httr – 使用更加友好的RCurl封装. >>>官网

httpuv – HTTP和WebSocket服务程序. >>>官网

XML – R中生成和解析XML的工具. >>>官网

rvest – 简单的web信息抓取,使用CSSSelect 和 XPath 语法. >>>官网

OpenCPU – HTTP API. 官网>>>

Rfacebook – Facebook API. 官网>>>

RSiteCatalyst – Adobe 分析服务的R语言客户端. >>>官网

plumber – 一个将现有的R代码转换为API的包. >>>官网

 

parallel – R语言高性能的并行计算平台. multicore and snow. >>>官网

Rmpi – Rmpi对MPI APIS提供了一个包装过的接口,它也提供一个交互式的R环境. >>>官网

foreach – 使用并行来执行循环. >>>官网

SparkR – R for Spark. >>>官网

DistributedR – 一个来自惠普Vertica Analytics团队的可伸缩的高性能平台. >>>官网

ddR – 提供分布式数据结构,简化了R中的分布式计算. >>>官网

sparklyr – 来自RStudio的Spark接口. >>>官网

 

Rcpp – Rcpp在R中提供了一个高效的API,使得函数更快执行. >>>官网

Rcpp11 – Rcpp11完全重新设计,以C++11为目标. >>>官网

compiler – 使用JIT提高R代码的速度. >>>官网

 

APIrJava – R语言对JAVE接口. >>>官网

jvmr – 集成了R, Java, and Scala. >>>官网

rJython – R语言对Python/Jython的接口. >>>官网

rPython – 允许R调用Python. >>>官网

runr – 在R中运行Julia和Bash. >>>官网

RJulia – R中调用Julia. >>>官网

RinRuby – 一个Ruby库,整合了R用Ruby解释器. >>>官网

R.matlab – 读写mat文件,将R和Matlab连接到一起. >>>官网

RcppOctave -Octave and Matlab的接口. >>>官网

RSPerl – 双向接口,R中调用Perl和在Perl中调用R. >>>官网

V8 – 嵌入JavaScript引擎. >>>官网

htmlwidgets – R中把JavaScript数据可视化的最好方法. >>>官网

rpy2 – Python对R的接口. >>>官网

 

RODBC – R中ODBC数据库范围. >>>官网

DBI – 在R和数据库管理系统之间定义一个公共的接口. >>>官网

elastic – Elasticsearch HTTP API的包装器. >>>官网

mongolite – R中Mongo客户端. >>>官网

RMySQL – R语言的MySQL数据库接口. >>>官网

ROracle – R中Oracle数据库的接口. >>>官网

RPostgreSQL – R语言的PostgreSQL数据库系统接口. >>>官网

RSQLite – R语言SQLite数据库接口. >>>官网

RJDBC – 通过JDBC接口访问数据库. >>>官网

rmongodb – R中MongoDB驱动. >>>官网

rredis – R中Redis驱动. >>>官网

RCassandra -Apache Cassanda直接接口(不是JAVA)，提供了最多的基本功能. >>>官网

RHive – 通过Apache Hive的R扩展促进分布式计算. >>>官网

RNeo4j – Neo4j图形数据库驱动. >>>官网

 

AnomalyDetection – 来自Twitter的AnomalyDetection R包. >>>官网

ahaz – 半参数添加风险回归的正则化. >>>官网

arules – 挖掘关联规则和频繁项集. >>>官网

bigrf – 大随机森林:大型数据集的分类和回归森林. >>>官网

bigRR – 广义回归(特殊是在p >> n情况下). >>>官网

bmrm – 风险最小化方案的正规化方法. >>>官网

Boruta – 所有相关的特征选择算法的一个封装 . >>>官网

BreakoutDetection – Breakout Detection via Robust E-Statistics from Twitter.>>> 官网

bst – 梯度增加. >>>官网

CausalImpact – 利用贝叶斯时间序列结构模型进行因果推断. >>>官网

C50 – C5.0决策树和基于规则的模型. >>>官网

caret – 分类和回归训练. >>>官网

CORElearn – 分类、回归、特征评价和排序. >>>官网

CoxBoost – Cox models by likelihood based boosting for a single survival endpoint or competing risks. >>>官网

Cubist – 规则和基于实例的回归建模. >>>官网

e1071 – Misc统计函数 (e1071),主要功能有类别分析、傅里叶变换,模糊聚类,支持向量机,最短路径计算,朴素贝叶斯分类器等等. >>>官网

earth – 多元自适应回归模型. >>>官网

elasticnet – 稀疏估计和稀疏主成分分析. >>>官网

ElemStatLearn – 书籍”The Elements of Statistical Learning, Data Mining, Inference, and Prediction”中的数据集,函数和例子. >>>官网

evtree – 全局最优树的进化学习. >>>官网

forecast – 使用ARIMA, ETS, STLM, TBATS,和神经网络进行时间序列预测. >>>官网

forecastHybrid – 使用”forecast”包对ARIMA, ETS, STLM, TBATS,和神经网络模型进行交叉检验. >>>官网

FSelector – 一个基于subset-search或特性排名方法的特征选择框架. >>>官网

frbs – 使用模糊规则系统处理分类和回归的任务. >>>官网

GAMBoost -　　基于广义线性和加法模型. >>>官网

gamboostLSS – GAMLSS方法的改善. >>>官网

gbm – 改善广义线性模型. >>>官网

glmnet – Lasso 和 elastic-net正规化广义线性模型. >>>官网

glmpath – L1 Regularization Path for Generalized Linear Models and Cox Proportional Hazards Model. >>>官网

GMMBoost – 广义混合模型. 官网>>>

grplasso – Fitting user specified models with Group Lasso penalty. >>>官网

grpreg – Regularization paths for regression models with grouped covariates.>>>官网

h2o – Deeplearning, Random forests, GBM, KMeans, PCA, GLM. >>>官网

hda – 异方差判别分析. >>>官网

ipred – 预测器改进. >>>官网

kernlab – kernlab: 基于内核学习的机器实验室. >>>官网

klaR – 分类和可视化. >>>官网

kohonen – 监督和非监督自组织映射. >>>官网

lars – Least Angle Regression, Lasso and Forward Stagewise. >>>官网

lasso2 – L1 constrained estimation aka ‘lasso’. >>>官网

LiblineaR – 基于C/C++库的线性预测模型. >>>官网

lme4 – Mixed-effects models. >>>官网

LogicReg – 逻辑回归模型. >>>官网

maptree – 映射、修剪和图形树模型. >>>官网

mboost – Model-Based Boosting. >>>官网

Machine Learning For Hackers

mvpart – Multivariate partitioning. >>>官网

MXNet – MXNet brings flexible and efficient GPU computing and state-of-art deep learning to R. >>>官网

ncvreg – Regularization paths for SCAD- and MCP-penalized regression models.>>>官网

nnet – eed-forward Neural Networks and Multinomial Log-Linear Models. >>>官网

oblique.tree – Oblique Trees for Classification Data. >>>官网

pamr – Pam: 小矩阵预测分析. >>>官网

party – A Laboratory for Recursive Partytioning. >>>官网

partykit – A Toolkit for Recursive Partytioning. >>>官网

penalized – L1 (lasso and fused lasso) and L2 (ridge) penalized estimation in GLMs and in the Cox model. >>>官网

penalizedLDA – Penalized classification using Fisher’s linear discriminant. >>>官网

penalizedSVM – 使用惩罚函数的特征选择支持向量机. >>>官网

quantregForest – quantregForest: Quantile Regression Forests. >>>官网

randomForest – 随机森林: Breiman and Cutler’s random forests for classification and regression. >>>官网

randomForestSRC – randomForestSRC: Random Forests for Survival, Regression and Classification (RF-SRC). >>>官网

rattle – 图形界面式的数据挖掘工具. >>>官网

rda – Shrunken Centroids Regularized Discriminant Analysis. >>>官网

rdetools – Relevant Dimension Estimation (RDE) in Feature Spaces. >>>官网

REEMtree – Regression Trees with Random Effects for Longitudinal (Panel) Data.>>>官网

relaxo – Relaxed Lasso. >>>官网

rgenoud – R version of GENetic Optimization Using Derivatives. >>>官网

rgp – R基因编程框架. >>>官网

Rmalschains – 使用本地文化基因算法进行连续问题优化.[这里翻译不准]. Search Chains (MA-LS-Chains) in R. >>>官网

rminer – 在分类和回归问题中简单的使用数据挖掘方法(如神经网络和支持向量机).>>>官网

ROCR – 可视化评分分类器的性能. >>>官网

RoughSets – 使用粗糙集和模糊粗糙集理论进行数据分析. >>>官网

rpart – Recursive Partitioning and Regression Trees. >>>官网

RPMM – Recursively Partitioned Mixture Model. >>>官网

RSNNS – Neural Networks in R using the Stuttgart Neural Network Simulator (SNNS). >>>官网

Rsomoclu – Parallel implementation of self-organizing maps. >>>官网

RWeka – Weka的R接口(Weka是基于JAVA环境下开源的机器学习以及数据挖掘软件).>>>官网

RXshrink – RXshrink: Maximum Likelihood Shrinkage via Generalized Ridge or Least Angle Regression. >>>官网

sda – Shrinkage Discriminant Analysis and CAT Score Variable Selection. 官网>>>

SDDA – Stepwise Diagonal Discriminant Analysis. >>>官网

SuperLearner and subsemble – Multi-algorithm ensemble learning packages.>>>官网

svmpath – svmpath: the SVM Path algorithm. >>>官网

tgp – Bayesian treed Gaussian process models. >>>官网

tree – 分类和回归树. >>>官网

varSelRF – 使用随机森林进行变量选择. >>>官网

xgboost – eXtreme Gradient Boosting Tree model, well known for its speed and performance. >>>官网

 

text2vec – 一个快速文本挖掘框架。 Fast Text Mining Framework for Vectorization and Word Embeddings. >>>官网

tm – 一个全面的文本挖掘框架. >>>官网

openNLP – Apache OpenNLP工具接口. >>>官网

koRpus – 一个文本分析的R包. >>>官网

zipfR – 词频分布统计模型. >>>官网

NLP – 基本自然语言处理功能. >>>官网

LDAvis – 主题模型的交互式可视化. >>>官网

topicmodels – Topic modeling interface to the C code developed by by David M. Blei for Topic Modeling (Latent Dirichlet Allocation (LDA), and Correlated Topics Models (CTM)). >>>官网

syuzhet – Extracts sentiment from text using three different sentiment dictionaries.>>>官网

SnowballC – Snowball stemmers based on the C libstemmer UTF-8 library. >>>官网

quanteda – 文本数据的定量分析. >>>官网

Topic Models Resources – 主题模型的学习和R相关资源. >>>官网

NLP for – NLP related resources in R. @Chinese. >>>官网

 

coda – 输出MCMC(马尔可夫链蒙特卡尔理论)的分析和诊断信息. >>>官网

mcmc – 马尔可夫链蒙特卡尔理论(MCMC). >>>官网

MCMCpack – 马尔可夫链蒙特卡尔理论 (MCMC). >>>官网

R2WinBUGS – 在在R/S-PLUS中打开WinBUGS 和 OpenBUGS. >>>官网

BRugs – OpenBUGS MCMC 软件的R接口.>>>官网

rjags – JAGS MCMC组件的R接口. >>>官网

rstan – Stan MCMC软件的R接口. >>>官网

 

minqa – Derivative-free optimization algorithms by quadratic approximation.>>>官网

nloptr – 一个免费开源的非线性最优化程序包. >>>官网

lpSolve – Lp_solve解决线性和整形问题的R接口. >>>官网

 

quantmod – 定量金融模型和交易框架. >>>官网

TTR – 技术交易规相关的数据和功能函数. >>>官网

PerformanceAnalytics – 计量经济学性能和风险分析工具. >>>官网

zoo – S3 Infrastructure for Regular and Irregular Time Series. >>>官网

xts – 可扩展的时间序列. >>>官网

tseries – 金融时间序列分析和计算. >>>官网

fAssets – 金融资产分析和建模. >>>官网

 

Bioconductor – 用于分析和理解高通量基因组数据的工具. >>>官网

genetics – 处理基因数据的R包. >>>官网

gap – 一个人口家庭遗传数据分析的综合工具. >>>官网

ape – 分子系统学和进化分析. >>>官网

pheatmap – 一个使用简单的热图工具. >>>官网

ddpcr – Analysis and visualization of Droplet Digital PCR data. >>>官网

 

Network Analysis List – 网络分析相关资源. >>>官网

igraph – 一个网络分析工具集合. >>>官网

network – 一个操作数据关系的基本工具. >>>官网

sna – 基本的网络测量和可视化工具. >>>官网

netdiffuseR – 网络扩散的分析工具. >>>官网

networkDynamic – 支持动态和时序网络. >>>官网

ndtv – 构建动画的可视化动态网络工具,支持多种数据格式. >>>官网

statnet – 大量网络数据的分析,仿真和可视化工具. >>>官网

ergm – 指数随机图模型. >>>官网

latentnet – Latent position and cluster models for network objects. >>>官网

tnet – Network measures for weighted, two-mode and longitudinal networks.>>>官网

rgexf – 从R导出网络对象到GEXF, for manipulation with network software like Gephi or Sigma. >>>官网

visNetwork – 使用vis.js类库进行网络可视化. >>>官网

 

Package Development List – 提高整体开发能力的包. >>>官网

devtools – 然R开发人员的生活变得更简单的工具. >>>官网

testthat – 一个R包测试工具. >>>官网

R6 – simpler, faster, lighter-weight alternative to R’s built-in classes. >>>官网

pryr – Make it easier to understand what’s going on in R. >>>官网

roxygen – 在函数定义中描述说明. >>>官网

lineprof – R中在线分析结果可视化. >>>官网

packrat – 让R项目更加简单,便携和可重构的工具. >>>官网

installr – R中按照软件的相关函数(Windows平台). >>>官网

import – R的导入机制. >>>官网

modules – 另外一个R模块系统(Python风格). >>>官网

Rocker – R configurations for Docker. >>>官网

RStudio Addins – RStudio插件列表. >>>官网

drat – Creation and use of R repositories on 使用R在GitHub或其他平台创建和使用仓储. >>>官网

covr – Test coverage for your R package and (optionally) upload the results to coveralls or codecov. >>>官网

lintr – R静态代码分析. >>>官网

staticdocs – 为一个R包生成静态html文档. >>>官网

 

futile.logger – R中类似log4j的日志记录包. >>>官网

log4r – R中的log4j接口. >>>官网

logging – 一个在R中实现log4j的日志处理包. >>>官网

 

engsoccerdata – 英国和欧洲联赛结果数据(1871-2016年). >>>官网

gapminder – 从Gapminder摘录的数据集. >>>官网

 

git2r – 在R中使用git. >>>官网

 

CXXR – Refactorising R into C++. >>>官网

fastR – FastR is an implementation of the R Language in Java atop Truffle and Graal. >>>官网

incanter – Clojure-based, R-like statistical computing and graphics environment for the JVM with Lisp spirit. >>>官网

pqR – 一个更快的R实现. >>>官网

renjin – 一个基于JVM的R编译器. >>>官网

rho – Refactor the interpreter of the R language into a fully-compatible, efficient, VM for R. >>>官网

riposte – 一个R快速编译和JIT工具. >>>官网

RRO – R革命性开放平台(Microsoft R Open). >>>官网

TERR – R的TIBCO企业运行环境. >>>官网

 

swirl – 一个在R控制台中交互式学习指南. >>>官网

DataScienceR – 一个数据科学,神经网络,和机器学习的指南. >>>官网

 

25.1 网站

R-project – R 项目的官方网站. >>>官网

R Bloggers – R语言的一个综合性博客网站. >>>官网

DataCamp – 在线学习R数据分析. >>>官网

Quick-R – 一个非常好的快速参考手册. >>>官网

Advanced R – 书籍高级R编程的在线版. >>>官网

Efficient R Programming – 书籍”Efficient R Programming”的在线主页. >>>官网

CRAN Task Views – CRAN包的任务列表. >>>官网

The R Programming Wikibook – 一个R协作手册 >>>官网

R-users – R语言的求职板块. >>>官网

R Cookbook – 一个R问答网站,由[R Graphics Cookbook]进行支持(http://shop.oreilly.com/product/0636920023135.do). >>>官网

tryR – 快速开始使用R. >>>官网

RDocumentation – 使用RDocumentation搜索所有的CRAN, Bioconductor, Github包和文档. >>>官网

 

25.2 书籍

R Books List – R相关书籍清单. >>>官网

The Art of R Programming – 一个很好的资源,可以系统地学习基础类型的对象,控制语句,变量的范围,以及调试等. >>>官网

Free Books – CRAN贡献的多种语言文档. Contributed Documentation in many languages. >>>官网

R Cookbook – 快速简单的介绍R及相关常见的统计任务. >>>官网

Johns Hopkins编写的数据科学专业的一部分教程:

Exploratory Data Analysis with R – 基本的各种数据分析技能. * R Programming for Data Science – 依赖于R的一些高级数据分析. * Report Writing for Data Science in R – R语言的报表生成和可重用组件研究. >>>官网

R Packages – 一个用R包编写的书籍 (有论文和网站2钟格式). >>>官网

R in Action – 一本旨在帮助所有级别R用户的书籍. >>>官网

Use R! – This series of inexpensive and focused books from Springer publish shorter books aimed at practitioners. Books can discuss the use of R in a particular subject area, such as Bayesian networks, ggplot2 and Rcpp. >>>官网

R for SAS and SPSS users – 一个对已经熟悉SAS和SPASS用户的资源库. >>>官网

An Introduction to R – 一个很好的介绍R的文章,也涵盖了一些高级主题. >>>https://cran.r-project.org/doc/manuals/R-intro.pdf官网

Introduction to Statistical Learning with Application in R – A simplified and “operational” version of The Elements of Statistical Learning. Free softcopy provided by its authors. >>>官网

The R Inferno – Patrick Burns gives insight into R’s ins and outs along with its quirks! >>>官网

R for Data Science – Free book from RStudio developers with emphasis on data science workflow. >>>官网

25.3 博客

• Not So Standard Deviations – 数据科学博客  @Roger Peng and @Hilary Parker.

• R World News – R行业的社区新闻,可以让你与时俱进.  @Bob Rudis and @Jay Jacobs.

• The R-Podcast – 使用R的一些实践建议.   @Eric Nantz.

• R Talk – 关于R语言和统计软件的新闻和讨论.   @Oliver Keyes, @Jasmine Dumas, @Ted Hart and @Mikhail Popov.

25.4 参考文献

R Reference Card 2.0 – Material from R for Beginners by permission of Emmanuel Paradis (Version 2 by Matt Baggott). >>>官网

Regression Analysis Refcard – R Reference Card for Regression Analysis. >>>官网

Reference Card for ESS – Reference Card for ESS. >>>官网

R Markdown Cheat sheet – Quick reference guide for writing reports with R Markdown. >>>官网

Shiny Cheat sheet – Quick reference guide for building Shiny apps. >>>官网

ggplot2 Cheat sheet – Quick reference guide for data visualisation with ggplot2.>>>官网

devtools Cheat sheet – Quick reference guide to package development in R.>>>官网

25.5 网络课程

The Analytics Edge – Hands-on introduction to data analysis with R from MITx.>>>官网

Johns Hopkins University Data Science Specialization – 9 courses including: Introduction to R, literate analysis tools, Shiny and some more. >>>官网

HarvardX Biomedical Data Science – Introduction to R for the Life Sciences.>>>官网

Explore Statistics with R – Covers introduction, data handling and statistical analysis in R. >>>官网

25.6 列表

Books – R书籍清单. >>>官网

DataScienceR – R数据科学、神经网络和机器学习的指南清单. >>>官网

ggplot2 Extensions – ggplot2扩展案例. >>>官网

Natural Language Processing – R. @Chinese中NLP 相关资源. >>>官网

Network Analysis – 网络分析相关资源. >>>官网

Open Data – 使用R获取,转换,操作,创建和贡献数据. >>>官网

Posts – 创建R博客或者文章. >>>官网

Package Development – 提高包开发的资源工具. >>>官网

R Project Conferences – 使用R的相关信息,DSC会议. >>>官网

RStartHere – 一些非常有用的R包指南. >>>官网

RStudio Addins – RStudio插件清单. >>>官网

Topic Models – 主题模型的学习和R相关资源. >>>官网

Web Technologies – 如何使用R和万维网的信息. >>>官网

End.

更多大数据与分析相关行业资讯、解决方案、案例、教程等请点击查看>>>

详情请咨询在线客服！

客服热线：023-66090381