R语言一般特点
自由软件，免费、开放源代码，支持各个主要计算机系统；
完整的程序设计语言，基于函数和对象，可以自定义函数，调入C、C++、Fortran编译的代码；
具有完善的数据类型，如向量、矩阵、因子、数据集、一般对象等，支持缺失值，代码像伪代码一样简洁、可读;
强调交互式数据分析，支持复杂算法描述，图形功能强;
实现了经典的、现代的统计方法，如参数和非参数假设检验、线性回归、广义线性回归、非线性回归、可加模型、树回归、混合模型、方差分析、判别、聚类、时间序列分析等。
统计科研工作者广泛使用R进行计算和发表算法。R有上万软件包(截止2019年7月有一万四千多个)。
R语言和R软件的技术特点
函数编程（functional programming）。R语言虽然不是严格的functional programming语言，但可以遵照其原则编程，得到可验证的可靠程序。
支持对象类和类方法。基于对象的程序设计。
是动态类型语言，解释执行，运行速度较慢。
数据框是基本的观测数据类型，类似于数据库的表。
开源软件（Open source software）。可深入探查，开发者和用户交互。
可以用作C和C++、FORTRAN语言编写的算法库的接口。
主要数值算法采用已广泛测试和采纳的算法实现，如排序、随机数生成、线性代数（LAPACK软件包）。
推荐参考书
Hadley Wickham and Garrett Grolemund(2017) “R for Data Science”，https://r4ds.had.co.nz/, O’Reilly, 讲基本的数据整理、汇总。
Hadley Wickham(2019) “Advanced R”, 2nd ed., https://adv-r.hadley.nz/, Chapman & Hall/CRC The R Series，高级R编程，属于对R高级编程技术的讲解。
Hadley Wickham(2016) ggplot2 Elegant Graphics for Data Analysis, 2nd ed., https://ggplot2-book.org/, Springer，优雅易用的R作图功能。
Susan Holmes, Wolfgang Huber(2020) Modern Statistics for Modern Biology, https://www.huber.embl.de/msmb/index.html, R的统计功能在生物学中的应用
其它参考书
R网站上的初学者手册“An Introduction to R”和其它技术手册。
John M. Chambers(2008), “Software for Data Analysis-Programming with R”, Springer.
Venables, W. N. & Ripley, B. D.(2002) “Modern Applied Statistics with S”, Springer
R.L. Kabacoff(2012)《R语言实战》，人民邮电出版社。
薛毅、陈立萍（2007）《统计建模与R软件》，清华大学出版社。
汤银才（2008），《R语言与统计分析》，高等教育出版社。
李东风（2006）《统计软件教程》，人民邮电出版社。
评论(0)