R語言從「初學」到「進階」到「跨界」的32本書籍推薦

R語言一直是數據分析界的熱門語言，也因此R語言相關的書籍也相當的多。筆者在學R的過程也看過許多R語言的書籍，筆者也收集相當多的R書籍，但大多參差不齊，有些寫得很好，有些則寫的較為艱澀，最近看到網路上大家在討論由淺入深的學習參考書籍，因此筆者也想做個小整理，包括初級、中級、高級，以及相關領域，內容如下：

[初級]

適合完全不懂R看的書，前三本都是值得參考。

• An Introduction to R
• R語言的官方書籍。
• R in action
• 這本書是Quick-R網站的作者，可參考網站上的程式碼。
• R Cookbook
• 這本書把R的概念解釋得很清楚。
• Learn R in a Day
• 想要一天一天學R嗎? 這本就可以參考看看
• 當然如果您有程式基礎，也可以參考swirl，用R學R。
• R For Dummies
• 這本書以非常淺的方式教您學R，就如書名，值得完全對程式沒概念的讀者閱讀。
• Introductory R: A Beginner's Guide to Data Visualisation, Statistical Analysis and Programming in R
• 這本書的作者是來自瑪麗王后學院的化工系的研究者，內容也是相當容易上手。

[中級]

適合對R有初步認識的讀者，前三本都是值得參考。

• Statistics with R
• R有豐富的統計套件，這本可以幫助您對R與統計有初步連結，這本書作者目前是德商德意志銀行(Deutsche Bank)的量化研究副總。
• The R book
• 這本由英國倫敦帝國學院的植物生態學名譽教授寫的，已經出到第二版。
• R Graph Cookbook
• 這本書把R的繪圖功能描述的非常清楚，作者是RStudio的開發者之一。
• The Art of R Programming: A Tour of Statistical Software Design
• 這本書提了很多應用，像是R+Python整合、平行運算R等，是從工程來用R的角度，作者是加利福尼亞大學戴維斯分校 的資料科學系教授。
• R for Everyone: Advanced Analytics and Graphics
• 這本書也是整合了許多R的套件的書籍，作者背景是念藝術與統計，內容難度筆者認為偏中階。

[高級]

想挑戰R的技術的讀者，三本都非常推薦。

• Advanced R
• 這本書提了很多R進階的撰寫技巧，作者目前是RStudio首席資料科學家。
• Statistical Computing in C++ and R
• 畢竟R還是高階語言，許多效率的改善還是要去參考C++跟R整合的部分。
• R Packages
• 這本書是介紹如何撰寫R Packages的技巧，以及R套件與R核心整合的內容，適合非常熟悉R並且想開發R套件的讀者，與Advanced R是同一個作者。

[資料視覺化]

• R Graphics
• 經典的繪圖方式都在這本呈現，必須一讀，作者是奧克蘭大學的統計系教授。
• ggplot2: Elegant Graphics for Data Analysis
• ggplot2是一個非常有名的資料視覺化套件，值得學習。這本書與Advanced R、R Packages是同一個作者Hadley Wickham(他真的很猛)。
• Lattice：Multivariate Data Visualization with R
• 另一個知名繪圖套件，至於他與ggplot2比較您可以參考連結。

[網站應用]

• Web Application Development with R using Shiny
• R Shiny是非常知名的Web + R的應用，作者是從事跟醫療信託有關。
• 當然如果您對R很熟，筆者會建議您直接到Shiny首頁直接使用比較快。

[統計學]

• The Elements of Statistical Learning
• 這本是經典書籍，被引用超過兩萬次，是一位史丹佛統計學教授撰寫。
• An Introduction to Statistical Learning
• 這本來自南加大資料科學教授、華盛頓大學的生物統計教授、史丹佛大學的生物醫學教授、史丹佛大學研究公衛的教授撰寫，內容包含許多統計應用，也值得閱讀。

[計量經濟學、金融]

• Econometrics In R
• R官方初學參考書籍。
• Applied Econometrics with R
• 計量經濟學與R的進階書籍，作者群來自經濟與統計的教授。
• Time Series Analysis and Its Applications: With R Examples
• 這本經典書籍已經出到第三版，裡面有許多時間序列分析方式與程式。
• Analysis of Integrated and Cointegrated Time Series with R
• 這個是由專家寫的書，目前在景順投信(Invesco)做基金經理，負責投資組合研究，裡面相當多實務內容。
• Analysis of Financial Time Series
• 這本書也被引用相當多，作者是芝加哥大學布斯商學院經濟與統計學系教授，裡面包含許多學術內容。
• Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective
• 作者來自量化交易背景，探討許多量化交易與R的應用。

[資料探勘]

• Data Mining with R:learing with case studies
• 這本是由rdatamining作者寫的，裡面有很多演算法的程式碼可供參考。
• Data Mining With R
• 這本書裡面有提到許多R+資料探勘的實務案例，像是預測河流海藻數。

[機器學習]

• Machine Learning with R
• 這本書提到許多機器學習的應用，作者是密西根大學的資料科學家。
• Machine Learning With R Cookbook - 110 Recipes for Building Powerful Predictive Models with R
• 這本書是台灣作者，也是筆者的好友，裡面有相當多機器學習的程式範例，適合想快速上手機器學習與R應用的讀者。

[資料科學]

• Practical Data Science with R
• 這本書的作者群是來自美國舊金山的Win-Vector LLC數據顧問公司，從資料科學來探討R。

[空間資料]

• An Introduction to R for Spatial Analysis and Mapping
• 這本來自英國里茲大學空間分析的學者，以及研究Geoinformatics的專家所撰寫，內容包含許多R應用於空間分析的介紹。

[市場研究]

• R for Marketing Research and Analytics
• 這本書介紹許多R應用在市場研究的方法，作者是來自Google的量化研究員。

其他領域結合R的書也歡迎推薦。

60本免費的資料科學書籍

資料科學(Data Science)這個名詞是近幾年非常流行的概念，它其實講的是跨領域(Interdisciplinary)的組成，這些學科包含如下：

1. 數學 (Mathematics)
2. 統計 (Statistics)
3. 化學計量學 (Chemometrics)
4. 資訊科學 (Information Science)
5. 電腦科學 (Computer Science)
6. 機率學 (Probability Theory)
7. 機器學習 (Machine Learning)
8. 統計學習 (Statistical Learning)
9. 資料探勘 (Data Mining)
10. 資料庫 (Database)
11. 資料工程 (Data Engineering)
12. 模式識別 (Pattern Recognition)
13. 視覺化 (Visualization)
14. 預測分析 (Predictive Analytics)
15. 不確定性建模 (Uncertainty Modeling)
16. 資料倉儲 (Data Warehousing)
17. 資料壓縮 (Data Compression)、
18. 電腦程式 (Computer Programming)
19. 人工智慧 (Artificial Intelligence)、
20. 高效能運算 (High Performance Computing)

資料科學領域知識包羅萬象，其中更包含特定領域知識的資料挖掘手法，因此資料科學在多個複雜學科中應運而生，既然是資料科學實驗室，就不能不推薦國外的資料科學相關書籍，以下為國外收集的免費資料科學相關書籍，不完全是新書，但希望可以協助讀者能更深入的了解這塊領域，其中幾個學科是必須知道的，像是R、Python這兩個資料科學主流語言，以及人工智慧、機器學習、資料探勘、資料庫等理論與工具書，都是進入資料科學領域的必學知識。

關於資料科學

• An Introduction to Data Science (2013)
• School of Data Handbook (2015)
• Data Jujitsu: The Art of Turning Data into Product (2012)
• Art of Data Science (2015)

關於大數據

• Disruptive Possibilities: How Big Data Changes Everything (2013)
• Real-Time Big Data Analytics: Emerging Architecture (2013)
• Big Data Now: 2012 Edition (2012)

關於資料分析

• The Elements of Data Analytic Style (2015)
• The Data Science Handbook (2015)
• The Data Analytics Handbook (2015)

關於資料科學團隊

• Data Driven: Creating a Data Culture (2015)
• Building Data Science Teams (2011)
• Understanding the Chief Data O€fficer (2015)

關於分散式分析

• Hadoop: The Definitive Guide (2011)
• Data-Intensive Text Processing with MapReduce (2010)

關於Python

• Think Python: How to Think Like a Computer Scientist (2012)
• Python Programming (2015)
• Automate the Boring Stuff with Python: Practical Programming for Total Beginners (2015)
• Learn Python the Hard Way (2013)
• Dive Into Python 3 (2009)

關於R

• R Programming for Data Science
• R Programming (2014)
• Advanced R (2014)

關於SQL

• Learn SQL The Hard Way (2010)
• SQL Tutorial 

關於資料探勘與機器學習

• Introduction to Machine Learning (2008)
• Machine Learning (2009)
• Machine Learning – The Complete Guide
• Social Media Mining An Introduction (2014)
• Data Mining: Practical Machine Learning Tools and Techniques (2005)
• Mining of Massive Datasets (2014)
• A Programmer’s Guide to Data Mining (2015)
• Data Mining with Rattle and R (2011)
• Data Mining and Analysis: Fundamental Concepts and Algorithms (2014)
• Probabilistic Programming & Bayesian Methods for Hackers (2015) 
• Data Mining Techniques For Marketing, Sales, and Customer Relationship Management (2004)
• Inductive Logic Programming: Techniques and Applications (1994)
• Pattern Recognition and Machine Learning (2006)
• Machine Learning, Neural and Statistical Classification (1999) 
• Information Theory, Inference, and Learning Algorithms (2005)
• Data Mining and Business Analytics with R (2013)
• Bayesian Reasoning and Machine Learning (2014)
• Gaussian Processes for Machine Learning (2006)
• Reinforcement Learning: An Introduction (2012)
• Algorithms for Reinforcement Learning (2009)
• Big Data, Data Mining, and Machine Learning (2014)
• Modeling With Data (2008)
• KB – Neural Data Mining with Python Sources (2013)
• Deep Learning (2015)
• Neural Networks and Deep Learning (2015)
• Data Mining Algorithms In R (2014)
• Data Mining and Analysis: Fundamental Concepts and Algorithms (2014)
• Theory and Applications for Advanced Text Mining (2012)

關於統計與統計學習

• Think Stats: Exploratory Data Analysis in Python (2014)
• Think Bayes: Bayesian Statistics Made Simple (2012)
• The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2008)
• An Introduction to Statistical Learning with Applications in R (2013)
• A First Course in Design and Analysis of Experiments (2010)

關於資料視覺化

• D3 Tips and Tricks (2015)
• Interactive Data Visualization for the Web (2013)

關於資料科學工具

• Natural Language Processing with Python (2009)
• Computer Vision (2010)
• Concise Computer Vision (2010) 
• Artificial Intelligence A Modern Approach, 1st Edition (1995)

參考資料：

http://www.learndatasci.com/free-books/