最近有些R爱好者想要寻求R语言相关资料，以下为小编平常经常使用的免费开源的R语言资料，和大家分享。 其他统计，R语言书籍小编这也搜集了很多，但是由于版权等问题，不能直接分享，需要可后台联系，或者加小编微信。
基础教程 R语言教程 网页版：https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/index.html
Cookbook for R（中文版） 网页版：https://openbiox.github.io/Cookbook-for-R-Chinese/
An Introduction to R（英文） 网页版：https://cran.r-project.org/doc/manuals/R-intro.html 中级教程 R语言数据科学导论 网页版开源地址（英文）：https://r4ds.had.co.nz/
配套的课后答案： https://jrnold.github.io/r4ds-exercise-solutions/
幻灯片及教程https://ds-r.leovan.tech/
guithub地址：https://github.com/hadley/r4ds
统计计算 网页版： https://www.math.pku.edu.cn/teachers/lidf/docs/statcomp/html/_statcompbook/index.html
金融时间序列分析讲义 网页版： https://www.math.pku.edu.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/index.html
R机器学习（最新版含数据和代码） R机器学习（最新版含数据和代码）: https://pan.baidu.com/s/1M6Gu1HA-9PEZvuPmlLdp3g 提取码：私聊后台
高级教程 Efficient R programming（英文） 网页版： https://bookdown.org/csgillespie/efficientR/
R (BGU course) PDF及网页版： http://www.john-ros.com/Rcourse/ Big Book of R 网页版：https://www.bigbookofr.com/
Writing R Extensions 网页版： https://cran.r-project.org/doc/manuals/r-release/R-exts.html
简介 原文：统计学 & R学习资源
作者：CoffeeCat
转载于： Coffee学生物统计的地方
注：有些链接需要科学上网/较硬的英文阅读能力才能愉快地体验知识/技术带来的快感。
1.个人主页、博客、社区、论坛 北大李东风
中科大张伟平
谢益辉(人称谢大大)：统计之都论坛创始人(与之有关的统计之都)
统计学资源链接大全：知名 统计系、统计学会、统计组织、统计软件、统计期刊的官网（该老师的主页）
斯坦福大学统计系：Trevor Hastie、Jerome H. Friedman、Rob Tibshirani
顾凯：统计分析师；R、SAS、医学统计博主
revolutionanalytics：一个R社区(Revolution Analytics开发了Revolution R，后来被微软收购)
r-bloggers：R博客
Statistics How To：统计学与SPSS, Minitab, Excel
Statistical Modeling, Causal Inference, and Social Science：哥大统计“统计建模，因果推论和社会科学”
Error Statistics Philosophy：统计哲学家Deborah G. Mayo
Simply Statistics：三位生物统计专家的Jeff Leek, Roger Peng, Rafa Irizarry的博客
FLOWINGDATA：分析、数据可视化(付费)
Statistics by Jim：使统计更直观
2.电子书、课程 Library Genesis：外文电子书大全。结合亚马逊、Routledge(Chapman & Hall/CRC Texts in Statistical Science、Chapman & Hall/CRC Biostatistics Series)、Springer(Springer Statistics)、Elsevier、Oxford University Press(Probability & Statistics)、Cambridge University Press(Statistics and probability)……几乎可以找到你想要的一切。
简介 早上听完讲座才想起来，今天520了。那这样吧，小编给做了个小小的惊喜给读者们，年轻的盆友可以用这“小玩意”给自己心仪的对象表白了。
其实就是一个简单的ggplot绘制爱心，做一点细节处理，并加入相应文字啦！
如果有对象了（没有对象），你可以学学这个教程，举一反三。如果你想现在就拿去表白的话，直接复制文末完整代码即可。
教程 用R绘制爱心其实在网上有很多教程，小编主要参考使用ggplot2绘制心形，在此基础上进行稍微的调整。
加载相应的包，其中showtext包主要解决图片显示中文存在的问题，具体可见推文：
library(showtext) #中文问题 showtext.auto() library(tidyverse) library(ggplot2) 之后构造数据集，并将x，y归一化后的结果存到a，b中。
d <- data_frame(t = seq(-pi, 0, .01), x1 = 16 * (sin(t)) ^ 2, x2 = -x1, y = 13 * cos(t) - 5 * cos(2 * t) - 2 * cos(3 * t) - cos(4 * t)) %>% gather(side, x, x1, x2) a = (d$x - min(d$x))/(max(d$x) - min(d$x)) b = (d$y - min(d$y))/(max(d$y) - min(d$y)) 接下来绘制爱心，主要使用geom_line()描述爱心边框，用geom_polygon()填充爱心内部颜色，后面的各个参数进行主题的变化。然后使用annotate()函数添加你想要的文字。最后可以使用ggsave()将其保存（我这里注释掉了）。整个图存到了g中，你可以在此将g输出即可得到对应的图片。
**原文：**R is for Research, Python is for Production
**作者：**Matt Dancho and Jarrell Chalmers, 2021-2-18
**译者：**张敬信
**转载于：**知乎R&Python数据科学专栏
作者简介：
Matt Dancho 是商业科学公司（http://www.business-science.io）的创始人，该公司是一家协助组织将数据科学应用于商业应用程序的咨询公司。他是 R 包 tidyquant 和 timetk 的作者，自 2011 年以来一直从事数据科学领域的业务和财务分析。Matt 拥有业务和工程学硕士学位，在商业智能、数据挖掘、时间序列分析、统计、机器学习领域具有丰富经验。
R 和 Python 都很棒。本文将通过展示各自生态中主要进展来谈一下两种语言各自的一些优势。
1. R 用于研究 如果让我不得不用一个词来形容 R，那就是：tidyverse。它帮助您完成研究任务——处理数据、可视化结果，从构思迭代到代码————毫无压力，更准确地说，是乐在其中。下面用终极 R 速查表来解释为什么说 R 用于研究。
要开始学 R，tidyverse 是开启旅程的理想之地。这是规范化的包和工具的合集，具有一致的结构化编程接口，而 R base 则明显更复杂且用户友好性较低。
我们可以找到许多解决特定问题的更小的 R 包，但以下是最重要的 R 包：
Dplyr&ggplot2
两个强大的帮助您完成日常决策的包是 dplyr 和 ggplot2，它们非常适合用于数据处理和可视化。这是数据科学家或数据分析师可以拥有的两个最重要的技能。
Rmarkdown
毫无疑问，R的最特殊优势之一是 Rmarkdown，它是一个框架用于创建可重现报告，演示文稿、博客、期刊以及更多！想象一下，有一个可以运行的报告，并创建了一个易于共享的 HTML 页面或 PDF 以与您的团队共享。这绝对是比每个星期一早上在 Excel 中点击数百次更惬意的方法。
Shiny
Shiny 是 R 中的另一个框架，用于创建交互式 Web 应用程序。Shiny 的最佳功能之一，就是通过易于使用的 GUI（图形用户界面）为团队中非聚焦数据的成员提供决策所需的数据科学工具。想象一下，您的团队聚在一起进行周一下午的计划会议，已经查看了在 Rmarkdown 中创建的上一周的报告，并使用协作式 Shiny Web 应用程序运行模拟以确定下一步将数据引导到何处。