Last Updated on 2023-10-05

無論是看線上課程影片，或是電子書，本文都幫你整理好自學R語言的路徑。

---

你曾經想學過自學R語言，卻不知道該從哪裡開始嗎？你上過R程式的初階課，想要精進但不確定該往什麼方向嗎？又或者你跟曾經的我一樣，學過好幾次R語言，但一直沒有辦法有脈絡的學習，只好不斷打掉重練嗎？

若有上述的問題，那你來對地方了。這篇文章整理出了自學R語言的兩條路徑，分別是透過線上課程學習R語言，還有看電子書學習R語言，並按照不同程度，將學習分為三個階段，讓你可以從零開始掌握R語言。

前言：R語言學習資源太多，不知道從哪開始

在學習資源琳瑯滿目的現在，即使不到學校上課，也不用報名補習班，在家也能學好程式，R語言就是其中一個例子。不過，每個人的財力和學習習慣不同，有些人可以負擔有助教回答問題，並協助批改作業的收費線上課程，但其他人只能仰賴免費的電子書；即使是影片類課程，有些人喜歡長時間講課類的內容，有些人則喜歡時長較短、中間有大量練習回饋的教學方式，還有些人不喜歡如此有動感的學習，習慣和文字對話，想自己看R語言的書。

因此，底下我將列出兩種學習路徑，讓你選擇適合自己學習R語言的道路。每一條道路都會再進一步分成初學、入門、進階三個階段，你可以依據自己的進度，從中擇一開始自學R語言。

沒有最好的選擇，只有最適合自己的選擇。如果你心動了，不要猶豫，開始學習R語言吧！

第一條路：從線上課程學習R語言

如果你習慣和學校上課一樣，有老師講課、出作業，喜歡看影片多過於看書，那這會是你的好選擇。我推薦兩個平台讓你自學R語言，一個是領域多元的大型線上學習平台 Coursera，一個是 Datacamp。其實，市面上不只有這些平台，還有中文的 Hahow、以英文內容為主的 Udemy、Udacity，就連 YouTube 上其實也有很多R語言教學的影片。

之所以挑選這兩個平台，是因為我實際上過不同平台上R語言的相關課程，也詳細比較大量課程的課綱。我認為這兩者的課程較為結構化，適合身邊沒有熟人朋友可以諮詢的同學。

在 Coursera 上學習R語言

Coursera 是一個大型的課程平台，有許多全球知名的學校在上面開課，學生可以免費聽課，或者在上完課後花錢購買證書，後者也是這間公司主要的獲利來源。另外補充我跟該平台沒有關係，你點連結過去我也無法賺錢，希望未來有機會。

Coursera 上面也有不少R語言的課程，包含杜克大學、IBM、Google等都有開課，不過我最推薦約翰霍普金斯大學（John Hopkins）大學開設的資料科學系列課程，理由是它的課程從零開始，且課程架構完整，沒有闕漏之處，也非常專注於R語言。我自己實際上過課之後覺得體驗很好，想推薦給大家。

Coursera 的課程以影片為主，每段影片的時間都不長，而且底下也附上老師講課的逐字稿（Transcript），你可以自己考慮學習R語言的結構。除了講課之外，也有固定的練習與作業，如果你有付費，助教會幫忙批改作業。但就算沒有付費，也可以自己找答案，如果不需要這張證書，那還是不要花這筆錢。

回到課程本身，「資料科學系列課程」顧名思義，課程設計就是利用R語言學習資料科學，一共有十堂課。

它的第一堂課叫做「資料科學家的工具箱」（The Data Scientist’s Toolbox），其實就是在介紹什麼是資料科學，接著以R語言為基底，告訴學生怎麼安裝R、版本控制與Github是什麼、如何用R Markdown與人溝通等等。

接下來第二到五堂分別為「R語言程式設計（R Programming）、「獲取和整理資料（Getting and Cleansing Data）、「探索性資料分析」（Exploratory Data Analysis）、「可重複性研究」（Reproducible Research）等。從課名就可以知道，這些課程的內容和廣義的資料處理有關，你可以在這些課程中對R語言有足夠認識，也能利用R語言整理資料、進行簡單的探索。

事實上，只要修完這五堂課，你其實就完成了「資料科學：使用R語言學習基礎」（Data Science: Foundations using R）的模組。後面第六到第十堂課，屬於另一個模組「資料科學：統計與機器學習」（Data Science: Statistics and Machine Learning），這部分是跟資料科學本身更直接相關的內容。這兩個模組構成了上述的資料科學系列課程。

無論你是否想要專攻資料科學，你都可以上這一堂課。你可能是學界的研究者，不想繼續用SPSS處理資料；你也可能是剛進入行銷領域的新鮮人，每天要面對Google Sheet，想要找尋更好更快的分析方式；又或者你是投資人，除了價值投資以外，也想接觸量化交易的領域。

若是修完這五堂課，你已經完成自學R語言路徑中初學和入門的階段，大概就可以處理平常工作上會用得到的資料，接下來可以深耕你想精進的領域；若你覺得還沒有心滿意足，又不排斥繼續上課，則可以跟著課程設計，完成後面一個模組。

利用 DataCamp 學習R語言

DataCamp 專攻資料科學領域，內容以R語言和Python為主，最早就是以R語言起家，而後擴大課程規模，加入Python，近年更陸續補上SQL、Tableau、CMD語法等，也有加入商業思維的相關課程。我個人在平台發展初期就開始使用DataCamp，陸續用了好幾年，雖然後面熟悉R語言後就比較少花時間在上面，但對初學者來說還是值得推薦。

DataCamp 的好處在於，它有整理出不同的路徑，包含技能路徑（Skill Track）與職涯路徑（Career Track）兩種，所以使用者不用煩惱該從哪裡開始，只要按圖索驥就行。

它的授課方式雖然也是影片，但時間長度更短，而且上課提供簡報的PDF檔案供下載，同時簡報內容高度圖像化，很適合對程式陌生的學生。更重要的一點是，影片與影片之間有提供即時運作的程式碼運作區域，你可以直接在旁邊練習，對照螢幕左側的提示，並立刻檢查答案有無錯誤，這樣很能夠檢查究竟是否吸收講課內容，也是之前讀大學時學校老師採用這個平台的原因。不過，它的收費也不便宜，如果沒錢的話，可以看有沒有哪些授課老師有在用這個平台，加進課堂的教育版本就不用花錢了。

我推薦的自學路徑如下：

第一個模組，先從「R 語言程式設計」（R Programming）開始，這個模組包含最基礎的R語言介紹，例如賦值是什麼、在R語言中如何四則運算、語言有什麼儲存資料的結構等等。接著會進入到稍微進階的內容（但仍是基礎），討論諸如迴圈、條件判斷等，然後是函數相關的課程。

第二個模組，我推薦接著學「利用R匯入和清理資料」（Importing & Cleaning Data with R），它主要教授學生如何先從本地匯入資料，例如CSV、EXCEL這類常見的格式，接著進到從資料庫匯入資料與簡短版爬蟲，然後是清理資料，以及利用 tidyr 套件整理資料。

第三個模組，我推薦接著學「利用R操作資料」（Data Manipulation with R），它其實就是在教導學生如何揮舞 dplyr 以及 data.table 這兩個神兵天器。在這個模組中，你會認識dplyr當中幾個重要動詞，例如 select(), arrange(), filter() 等，並知道該怎麼用它們改動你的資料。另外，這個模組也會提到資料串接（join）的概念，你可以藉此連接起不同張資料表。最後，它談到了效能強大的 data.table，它同樣是操作資料的重要套件，威力甚至勝過 dplyr，只是學習上稍微難上一些。

第四個模組，我推薦接著學「利用R視覺化資料」（Data Visualization with R），它以 ggplot2 這個威震R宇宙的套件為基礎，教授學生如何視覺化資料。這堂課會從繪圖的文法（grammar of graphics）開始，討論視覺化資料的底層邏輯，而後才會真的畫圖。但因為視覺化資料的領域博大精深，上完這個模組後還是會覺得很不足啊！若你看感到好奇，不妨先參考 Lee Meng 的這篇文章，便能認識何謂繪圖的文法。

第五個模組，比較像是自我精進，若你只是想會處理資料，可以跳過這個部分，它的名字叫做「Tidyverse 的進階工具箱」（Intermediate Tidyverse Toolbox），我認為內容屬於加值練功的類型。它先從處理缺失值這個實務上常見的情境開始，接著介紹以 functional programming 概念開發的 purrr 套件，搭配 %>% 使用起來實在法力無邊，這不是開玩笑的。模組最後會介紹在 Tidyverse 的框架下做機器學習，之後我會再寫文章介紹什麼是 Tidyverse，一言以蔽之，它就是一個R語言發展下來的獨特宇宙。

學完這五個模組，或是前四個模組，就跟前面 Coursera 的課程一樣，你在自學R語言的這條路上，也算小有所成了。接下來你同樣可以在R語言的世界中探索其他領域，就 DataCamp 來說，至少有統計、行銷分析、財金、空間分析、機器學習、互動版本的視覺化等等，可說是非常豐富。

第二條路：看電子書學習R語言

如果你不想花錢，或者不喜歡看影片，更習慣一個人耐心等候，讀著文字，那麼我想推薦你第二條自學R程式語言的路徑，也就是讀電子書。

初學R語言階段

在剛開始學習R語言的階段，你應該掌握對R語言的基本認識。我想先推薦 Hands-On Programming with R 這本書，它是以具體的案例實作貫串整本書。常見的程式語言書籍，大概都是一個知識點接著一個知識點進行，例如學完資料結構後進入基本程式運作，然後再看一下函數怎麼寫。

但這本書不一樣，它分為三大部分：骰骰子、玩撲克牌、吃角子老虎機，每個部份就是要請讀者利用R語言實作出這三個專案，你要真的用每個章節的內容，寫出怎麼丟骰子、怎麼規劃出機率不等的吃角子老虎，學習體驗非常有趣，而且也是面向初學者。

如果你不喜歡上面的這種教學方法，而更偏好傳統上課方式，則我想推薦已經出到第二版的 R Cookbook，這個階段你只需要讀前五章就好。它非常按部就班地從安裝R程式和RStudio開始，一路帶到R的資料結構。

若你的程式底子相對深厚，那我想推薦 The Art of R Programming 這本書，它的內容比較紮實，不會只講函數要怎麼用，還會講背後的一些原理，可以更深刻的認識到R語言底層運作的美麗。

入門R語言階段

對R有一定認識之後，你可以開始看這本傳奇之書：R for Data Science，它由 Tidyverse、R語言界的天王巨星 Hadley Wickham 所著，Hadley Wickham 除了是 RStudio 的首席科學家以外，同時也是幾間大學統計系的兼任教授，更寫了 ggplot2, advanced R, R packages 等書籍，同時也是 ggplot2, dplyr 等套件的推手。

這本書同樣不走傳統路數。從介紹本書的章節以後，馬上就開始資料視覺化，然後跳回去R語言基礎，接著又跑去資料轉換，然後再度跳回去介紹何謂Scripts，簡單來說就是一下是資料處理的應用，一下是補足R語言的基礎。正因為如此，雖然它標榜面向所有讀者，我還是把它放在入門階段。此外，整本書都在 Tidyverse 的框架下進行，也是現在最流行的框架，學這本基本上不會有應用或對接的問題。

若你對R4DS的編排感到不適，相信我那不是特例，因為先前就曾經碰過自學R語言的人不習慣這種跳來跳去的章節，一下就開始畫圖，連資料型態都還沒掌握，會嚇壞不少人。如果你就是這樣的話，那我推薦你可以重拾 R Cookbook，從第六章開始看。不過想提醒一下，它後面的內容就有帶到機率與統計，這未必符合你的需求，可以斟酌一下。

若你對統計有興趣，也可以讀這本 Statistical Inference via Data Science 的前四個章節，它的副標題是 A ModernDive into R and the Tidyverse，不難看出，這本書也是在所謂 Tidyverse 的框架底下，就和 R4DS 一樣。你可以從前面四個章節入門R語言。

進階R語言階段

進階階段，其實就要看你對什麼有興趣。

若你想學好畫圖，那我推薦這本 Data Visualization: A practical introduction，全書都是用 ggplot2 繪製而成，而且有用程式碼教學，不會有其他書籍見林不見樹，只知道觀念但不知道如何實作的問題。而且教授很有人社素養，寫起書來除了重視細節以外，能夠感受到教授的關懷與敏銳。

若你對文字探勘有興趣，我想推薦 Text Mining with R，它同樣參考了 Tidyverse 的設計理念，使用了 tidytext 這個套件，而且內容非常具有實務性，我認識不少社科領域的碩班學生會參考這本書。

若你想繼續深入了解何謂資料科學，那上面的 Statistical Inference via Data Science 就會是你的好朋友！它在後面的章節會談到回歸、假設檢定、統計推論等等，雖然還不沒有介紹到機器學習，但也是很有幫助。

小結：自學R語言不難，開始就好

這篇文章整理了利用線上課程與讀電子書兩個學習R程式語言的路徑。這兩條路，其實都分成初學、入門、進階三個階段，你可以根據自己R語言的程度，評估從哪裡開始。線上課程部分，因為平台有完整規劃，所以按照順序就好，電子書切得比較細，可以多留意。

你也可以參考後來我跟ChatGPT對話，它所建議的學習R語言路徑。

無論你走哪一條路，自學R語言，或者自學任何事情的重點還是要開始，不要一天給自己太多進度，才能持之以恆，但累了也要多休息！

以後我會寫更多關於R語言的文章，包含R語言的教學、R語言自學資源、R語言的實務案例等等，希望你會喜歡我的文章，同時也愛上R語言。

本文由「愛上R語言」發布，非經允許請勿轉貼。

延伸閱讀：學寫程式要如何避免半途而廢？我的程式學習經驗與心得

• Coursera
• DataCamp
• online courses
• R book
• Self-learn

• [R語言資源]如何學習R語言？RTutor又是什麼？ChatGPT告訴你！
  2023-01-09 2
• [R語言資源]利用R語言寫作：以R語言寫電子書與寫部落格
  2022-11-13 3
• [R語言資源]想吸收R語言知識有什麼資源嗎？可以增加R語言新知的5個好地方
  2022-11-05 3