数据科学可以将原始数据转化为认识、见解和知识。学习使用R 语言中最重要的数据科学工具。掌握R 语言的精华，并能够熟练使用多种工具来解决各种数据科学难题。
使用最重要的数据科学工具。将数据导入R。这实际上就是读取保存在文件、数据库或Web API 中的数据，再加载到R 的数据框中。如果不能将数据导入R，那么数据科学就根本无从谈起。
导入数据后，就应该对数据进行整理。数据整理就是将数据保存为一致的形式，以满足其所在数据集在语义上的要求。简而言之，如果数据是整洁的，那么每列都是一个变量，每行都是一个观测。整洁的数据非常重要，因为一致的数据结构可以让你将工作重点放在与数据有关的问题上，而不用再费尽心思地将数据转换为各种形式以适应不同的函数。
绝大多数的绘图案例都是以强大、灵活制图而著称的R包ggplot2实现的，充分展现了ggplot2生动、翔实的一面。从如何画点图、线图、柱状图，到如何添加注解、修改坐标轴和图例，再到分面的使用和颜色的选取等，本书都有清晰的讲解。虽然《R数据可视化手册》的大多数技巧使用的是ggplot2，但是并不仅仅局限于ggplot2的介绍。理念是用合适的工具来完成合适的绘图任务，读者也可以学到许多其他有用的绘图函数和工具，来适应各种复杂的需求。
《R数据可视化手册》中文PDF，337页，带目录；英文PDF，413页，带目录；配套源代码。
下载: https://pan.baidu.com/s/1w2rm8k9fg6fKyh1rfvrllg
提取码: 2tve
用合适的工具来完成合适的绘图任务，也可以学到许多其他有用的绘图函数和工具，来适应各种复杂的需求。
一旦拥有了整洁的数据，通常下一步就是对数据进行转换。数据转换包括选取出感兴趣的观测（如居住在某个城市里的所有人，或者去年的所有数据）、使用现有变量创建新变量（如根据距离和时间计算出速度），以及计算一些摘要统计量（如计数或均值）。数据整理和数据转换统称为数据处理。 一旦使用需要的变量完成了数据整理，那么生成知识的方式主要有两种：可视化与建模。 这两种方式各有利弊，相辅相成。因此，所有实际的数据分析过程都要在这两种方式间多次重复。
《R数据科学》中文PDF+英文PDF+源代码
《R数据科学》中文PDF，374页，带目录和书签，彩色配图，文字能够复制；英文PDF，520页，带目录和书签，彩色配图，文字能复制；配套源代码。
下载: https://pan.baidu.com/s/1WGYsWYrGTvnIsBecwEZzLw
提取码: ddas
学习R有不会的就查工具书《R数据科学》， 工具不是重点，创造价值才是目的。具体到数据科学，表现形式往往是提供解决方案或者做出某种决策。至于使用什么语言，采用什么工具，不本质。用 R 还是 Python 或者是 Julia， 都可以。
工具会影响单位时间内产出的效率。典型的数据分析场景下，生产力的标志可能并不是一开始就写一个保证高并发的服务框架，因为可能业务方向都还没定呢。所以此时的生产力标志往往是尽快发现问题，尽快验证各种模型，尽快做出合理决策。
编写简单的R程序，知道R语言能做什么，使用向量、数组、列表、数据框和字符串等数据类型，掌握条件语句以及分支和循环控制语句，应用R的扩展包，将你自己的工作成果打包发给其他人，清理从各种来源导入的数据，通过可视化和汇总统计理解数据，使用统计模型传递关于数据的定量判断并进行预测，了解编写数据分析代码时出现错误的应对措施。
推荐阅读《学习R》，即使没有任何编程基础，也能顺利阅读，适合夯实基础，尤其是高级循环那一章，简直R的精髓！！
《学习R》高清中文PDF+高清英文PDF+源代码
《学习R》高清中文PDF，365页，带目录，文字可复制；《学习R》高清英文PDF，400页，带目录，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/11EpErIPAwOpabOmmY5Ke5w
提取码: 46av
《学习R》分为上下两部分，旨在指导你如何使用R，并提供练习的机会。上半部分主要介绍R的技术细节和使用技巧。
每章都简要介绍了一组不同的数据类型（例如第4章介绍向量、矩阵和数组）或概念（例如第8章介绍分支和循环）。下半部分更侧重实践，展示了从输入数据到发布结果这一标准的数据分析流程。
侧重实践，尽管是一本面向R初学者的书，但里边还有其他好的东西；很好地解决了初学者学会一大把语法细节却不知道如何应用长时间得不到成就感的问题。涉及内容虽多，但都抓住了最本质的部分讲，非常清晰。
学习R语言必然要看R语言实战，R语言实战理论联系实践，非常简洁明了，从入门到高阶，感觉各个层次的编程人员都可以用到。
《R语言实战第2版》注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。
《R语言实战第2版》高清中文版PDF+高清英文版PDF+源代码
《R语言实战（第2版）》中文PDF， 558页， 带目录书签，文字可复制；英文PDF， 628 页， 带目录书签，文字可复制；配套源代码；
下载: https://pan.baidu.com/s/1KC7gutjGh-nhQBDG6ktFRA
提取码: 6qd9
真正的编程入门。没有专门去讲语法，而是在讲案例，做实用工具的过程中，穿插必要的知识，由问题引出语法点。这样读者从一开始就知道所用工具的存在价值，印象必然更深刻。Learn by creating，对初学者来说要比捧一本语法书好许多。
在介绍module时又适时地讲了namespace的概念，以及文件和错误。
总而言之，更侧重实践，更重视内容之间的逻辑关联，遵从人们的真实学习过程来编排内容，而不是去刻意地梳理出所谓的知识体系。
当前，机器学习和数据科学都是很重要和热门的相关学科，需要深入地研究学习才能精通。适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。
《机器学习与数据科学基于R的统计学习方法》中文PDF，299页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1pAygE7Y8bRrGCwcmEgM_Jg
提取码: cjvq
《机器学习与数据科学基于R的统计学习方法》试图指者掌握如何完成涉及机器学习的数据科学项目。为数据科学家提供一些在统计学习领域会用到的工具和技巧，涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模 型评估。选用的是R统计环境，所有代码示例都是用R语言编写的，涉及众多流行的R包和数据集。
《数据科学中的R语言》中文PDF+源代码
书籍PDF共计417页，配套源代码。
下载 https://pan.baidu.com/s/1fnv94OmVFnZlJyUU-AXAhA
提取码: c7cb
一切从实际应用出发，以R语言为核心工具，介绍了各类分析方法的实现及其在各领域的应用情况。
数据科学是统计学、计算机科学、领域知识的综合，讲了各方面需要用到的技术，还涵盖了最优化方法（最近刚考完记忆犹新），R语言的用法介绍得也很全面