01-introduction.Rmd

\mainmatter

# 全书概览 {#intro}

我已经在R领域编程超过15年了，在过去的5年里一直全职从事这项工作，这给了我足够的时间来研究这个语言是如何工作的。这本书是我试图将学到的知识传授给大家，这样您就可以快速理解R语言的细节。阅读此书可以帮助您避免我曾经走过的弯路，并教会您使用R语言的工具、技巧和习惯，帮助您解决各类问题。在这个过程中，我希望可以告诉大家，尽管R语言有时存在一些问题，但它的核心是一种为数据科学量身定做的优雅语言。

## 为什么选择R语言

如果您是一名R语言初学者，您可能需要了解为什么学习这样一门奇怪的语言是值得的，对我而言，R语言最棒的地方体现在：

- R是免费，开源，跨平台的语言。如果您使用R语言开展数据分析，任何人都可以很便捷的使用您的代码。
- R拥有多样化并且广受欢迎的社区，既包括了在线社区（如rstats twitter社区），也包括了线下面对面社区（如许多R语言用户见面会）。这其中有两个令人振奋的社区组织，一个是R语言每周通讯，它可以让您方便的了解R语言的相关信息。另一个是R-Ladies，它是一个面向女性用户及少数性别用户的社区。
- R拥有大量的统计建模、机器学习、可视化分析以及数据处理方面的工具包，无论您需要绘制图形还是建立模型，很有可能前人已经帮您完成了相关工作，您可以从中学习到很多知识。
- R拥有用于展示成果的强大工具。RMarkdown可以轻松的将结果转换为HTML文件、PDF文件、Word文档、PowerPoint演示文稿、仪表盘等。Shiny可以帮助您在无需了解任何HTML或Javascript知识情况下创建漂亮的交互式应用程序。
- R提供了RStudio集成开发环境，可以根据数据科学、交互式数据分析和统计编程的需要进行定制。
- R拥有大量尖端工具，统计学和机器学习领域的研究人员通常会在他们的论文中配套一个R包，这意味着您可以立即获得最新的理论研究与技术实现。
- R是数据分析领域的深层支撑语言，拥有缺失值、数据框、矢量化等诸多功能。
- R对于函数式编程范式的支撑非常强大，函数式编程的思想十分契合数据科学，R的核心就是函数式，它提供了函数式编程所需要的许多原生能力。
- RStudio是一家通过向R用户销售专业产品来盈利的公司，它将大部分资金投入到开源社区（RStudio中超过50%的软件工程师从事开源项目）。我为RStudio工作，因为我从根本上相信它的使命。
- 强大的元编程工具。R的元编程功能使您能够神奇地编写简洁明了的函数，并为设计特定领域的语言（如ggplot2、dplyr、data.table等）提供了一个极好的环境。
- R可以轻松协同C、Fortran和C++这样的高性能编程语言。

当然，R语言并不完美，R所面临的最大挑战（也许是机遇）是R的主要用户并非程序员，这意味着：

- 您通常所看到的R代码都是为了解决一个紧迫的问题而匆忙编写的，因此代码并不是很优雅，且不易理解，而大多数用户不会去开展这些代码的优化工作。
- 相较于其他编程语言，R社区更关注结果而并不是过程，软件工程化是的相关优秀经验并没有在R语言开发中的完整应用。例如，大部分的R开发者没有使用源代码控制或或自动化测试。
- 元编程是一把双刃剑，很多R语言的函数使用一些代码技巧来减少键入量，这样的代价是代码变得难以理解或者出产生无法预料的错误。
- 前后不一致是R包中普遍存在的问题，每次使用R语言的时候，您都可以感受到超过25年的演进，这使得学习R非常困难，有太多的特殊情况需要记住。
- R并不是一种速度很快的语言，写得不好的R代码可能会非常慢。R也是一个内存使用的大户。

我个人认为，这些挑战为经验丰富的程序员创造了一个巨大的机会，对R语言和R社区会产生积极深远的影响。R用户确实希望产出高质量的代码，特别是用于可复制的研究，但他们还没有掌握这样的技能。我希望这本书不仅能帮助更多的R语言的用户成为R程序员，还能鼓励其他语言的程序员为R做出贡献。

## 本书的读者范围
本书面向两类读者：

- 中级R语言程序员。他们希望深入研究R，了解这门语言的工作原理，学习新方法解决各类问题。
- 正在学习R的其他语言程序员。他们想了解为什么R语言会这样工作。

如果想要充分理解本书的内容，您需要用R或者其它语言编写大量的代码。您应该熟悉数据分析的基础知识（即数据导入、数据操作和数据可视化），编写过很多相关的函数，并熟悉CRAN软件包的的安装和使用。

我曾经在将这本书定义为参考书（主要用于查找）还是线性可读书籍之间纠结过。 这涉及一些权衡，因为很难在将相关材料保持在一起的同时还对材料进行线性化，而且如果您已经熟悉特定的技术词汇，那么某些概念更容易解释。我尝试使用脚注和交叉引用来确保即使您只是阅读了这章节，您仍然可以理解相关内容。

## 您将从本书中学到什么
这本书提供了我认为高级 R 程序员应该具备的知识：对基础知识的深刻理解加上广泛的词汇，这意味着您可以在需要时了解更多关于某个主题的知识。

阅读本书之后，您将：

- 熟悉 R 的基础。您将了解复杂的数据类型以及对它们执行操作的最佳方法。您将对函数的工作方式有深入的了解，您将知道什么是环境，以及如何使用状态系统。
- 了解函数式编程的含义，以及为什么它是数据科学的有用工具。您将能够快速学习如何使用现有工具，并在需要时拥有创建自己所需工具的能力。
- 了解 R 丰富多样的面向对象系统。您将最熟悉 S3，但您也会了解 S4 和 R6 以及在需要时从哪里可以查找到更多有关的信息。
- 感受元编程范式的优劣性。您将能够创建使用tidy风格的函数，减少代码的输入量，同时创建优雅的代码来实现重要的功能。您还将了解元编程的相关劣势以及如何避免。
- 拥有R语言性能方面的良好直觉。您将了解到如何使用R的分析能力来查明性能瓶颈，并且您将了解足够的 C++ 知识，以便您可将慢速 R 函数转换为快速 C++ 函数。

## 您无法从本书中学到的内容

这本书是关于R语言程序设计的，不是R语言数据分析。如果您需要提升自身在数据科学方面的技能，我建议您去学习[tidyverse](https://www.tidyverse.org/)，这是我与我的同事们开发的一组工具包。在本书中您将学习开发tidyverse包的相关技能；如果您想学习如何使用它们，我推荐[_R for Data Science_](http://r4ds.had.co.nz/)。

如果您希望他人使用您的代码，那么需要制作一个R包。这允许您可以将代码与文档、单元测试等捆绑在一起，并通过CRAN轻松分发。在我看来，开发一个包最简单的方法是使用[devtools](http://devtools.r-lib.org), [roxygen2](http://klutometis.github.io/roxygen/), [testthat](http://testthat.r-lib.org)和 [usethis](http://usethis.r-lib.org). 你可以通过学习[_R packages_](http://r-pkgs.had.co.nz/)这本书来了解上述工具包如何使用。

## 基础技能

有两种基础技能对提高R语言程序员的能力很有帮助：阅读代码与科学思维

阅读源代码很重要，因为它可以帮助您编写更好的代码。培养这项技能的一个好方法是查看您最常使用的函数和包的源代码。您可以在自己的代码中使用这些值得效仿的东西，您会对什么是好的 R 代码产生一种品味。您也会看到你不喜欢的东西，要么是因为它的优点不明显，要么是因为它冒犯了您的敏感性。尽管如此，这样的代码还是很有价值的，因为它有助于让您对好的代码和坏的代码建立自身的认识。

在学习 R 时，科学思维非常有帮助。如果您不了解某些东西是如何工作的，您应该提出一个假设，设计一些实验，运行它们并记录结果。这种方式非常有用，因为如果您自身无法解决问题并需要帮助，您可以轻松地向他人展示您的实验。同样，当您获取到了正确知识时，您也将更加认同这样的思维学习方式。

## 推荐阅读

由于 R 社区主要由数据科学家而非计算机科学家组成，因此深入研究 R 技术基础的书籍相对较少。在我个人理解 R 的过程中，我发现使用其他编程中的资源十分有意义。 R 具有函数式编程和面向对象 (OO)编程两种特性，了解这些特性在 R中如何实现将帮助您充分利用现有在其他语言中建立的知识体系，并将帮助您确认可以改进的方向。

如果您想要了解R的对象系统是如何工作的，*《计算机程序的构造和解释》（SICP）*[@SICP] 这本书非常有帮助。这是一本简介而深刻的书，读完这本书，我第一次感觉自己可以设计一个面向对象系统了。这本书是R语言面向对象编程范式的灵感起源，它帮助我了解了这种范式的优缺点。SICP还可以教会大家函数式编程范式，您可以创建相对独立的“纯”函数，并将它们组合起来实现更强大的功能。

为了了解R语言与其它编程语言之间的优劣，*《计算机编程的概念，技术与模型》*[@ctmcp]这本书非常有用，它让我了解了R语言copy-on-modify的含义，这使得代码理解更加容易，虽然它的实现方式并不是十分有效，但这是一个可以解决的问题。

如果您想成为一名更好的程序员，没有比阅读*《程序员修炼之道》*[@pragprog]更好的选择了。这本书与编程语言无关，它为如何成为一句更好的程序员提供了很好的建议。

## 获取帮助

当您遇到无法解决的问题时，有三个主要的途径可以获取帮助：[RStudio社区](https://community.rstudio.com/)、[StackOverflow](http://stackoverflow.com) 和 [R-help邮件列表][r-help]。您可以在每个地方获取到帮助，但这些地方也各有特色。在发布第一个贴子之前，花一点时间了解社区的风格是一个比较好的做法。

再给大家一些通用的建议：

- 请确保您安装了最新版本的R语言及工具包，或许您遇到的问题已经在最新版本中作为bug被修复。
- 花一些时间创建一个可重现的实验或者reprex，这将帮助他人也帮助您自己，而且有时候可以在不询问他人的情况下找到答案，因为在使问题重现的过程中，您通常会找出问题所在。我强烈推荐学习和使用[reprex](https://reprex.tidyverse.org/)包。

如果您需要针对本书习题的帮助，可以从 Malte Grosser 和 Henning Bumann 获得解决方案，网址为 <https://advanced-r-solutions.rbind.io>

## 致谢

我要感谢 R-devel 和 R-help 的许多贡献者以及Stack Overflow 和 RStudio 社区。 有太多朋友对本书进行了贡献，原谅我无法一一列举，但我要特别感谢 Luke Tierney、John Chambers、JJ Allaire 和 Brian Ripley，他们慷慨地付出了宝贵的时间，纠正了我许多的错误。

这本书是公开编写的，完成后会在推特上发布章节。 这确实是一项社区努力：许多人阅读草稿、进行勘误、提出改进建议并贡献内容。 如果没有这些贡献者，这本书就不会这么好，我非常感谢他们的帮助。 特别感谢 Jeff Hammerbacher、Peter Li、Duncan Murdoch 和 Greg Wilson，他们从头到尾阅读了本书并提供了许多修正和建议。

## 约定

全书我使用`f()`代表函数，`g`代表变量和函数参数，`h/`代表路径

较大的代码块包含了输入和输出。 输出带有注释 (`#>`)，因此如果您有本书的电子版本，例如 <https://adv-r.hadley.nz/>，您可以轻松地将示例复制并粘贴到 R 中运行。

本书许多示例使用了随机数，我们需要设定`set.seed(1014)`使结果重现，它在每章开始时自动执行。
\newpage

## 使用的R包
```{r, echo = FALSE, results = 'asis', message = FALSE}
library(tibble)
deps <- desc::desc_get_deps()$package[-1]
pkgs <- sessioninfo::package_info(deps, dependencies = FALSE)
df <- tibble(package = pkgs$package, version = pkgs$ondiskversion,
  source = gsub("@", "\\\\@", pkgs$source))
knitr::kable(df, format = "markdown")
```

```{r, include = FALSE}
library(dplyr)
ruler <- function(width = getOption("width")) {
  x <- seq_len(width)
  y <- case_when(
    x %% 10 == 0 ~ as.character((x %/% 10) %% 10),
    x %% 5 == 0  ~ "+",
    TRUE         ~ "-"
  )
  cat(y, "\n", sep = "")
  cat(x %% 10, "\n", sep = "")
}
ruler()
```

[r-help]: https://stat.ethz.ch/mailman/listinfo/r-help