R 专注于数据科学的一切，包括机器学习、数据分析与可视化，彻底改变了我们理解数据的方式。R 被来自不同专业背景的群体广泛使用，包括数据科学家、学术研究者，甚至金融分析师，并长期出现在 TIOBE 指数中。
R 编程有许多不同的用法，本文将带您了解在掌握 R 之后，您可以用它做的几件事。
当您掌握用于数据科学的 R 时，可以做什么？
1. 构建出色且可定制的数据可视化与仪表板
数据可视化对于理解数据至关重要，而 R 的 ggplot2 包——常被称为有史以来最强大的数据可视化工具——让您可以轻松绘制几乎任何您能想象的图表。掌握 ggplot2 将引领您充分发挥 R 的强大能力。
若想获得更具表现力的可视化，您可以将 ggplot2 的优雅语法与 plotly 的交互性结合，或使用 shiny 创建交互式仪表板。
入门指南
- 课程：Introduction to Data Visualization with ggplot2
- 课程：Interactive Data Visualization with plotly in R
- 课程：Building Web Applications with Shiny in R
- 技能路径： Data Visualization with R
2. 探索、整理并对数据集进行计算
探索性数据分析——弄清数据集中包含了什么——是接收新数据时的第一步。R 的 “tidyverse” 套件（包括 dplyr 和 tidyr）提供了易用的语法，便于您对数据进行整理与计算，帮助您快速得到所需答案。
入门指南
- 课程：Introduction to the Tidyverse
- 课程：Data Manipulation with dplyr
- 课程：Reshaping Data with tidyr
- 技能路径：Data Manipulation with R
3. 用统计学开展数据实验
统计学确保您的数据分析在科学上严谨。R 或许拥有任何编程语言中最完备的统计工具。从简单的描述性统计（如计算均值和标准差），到统计模型（如线性回归与逻辑回归），再到 A/B 测试等实验方法，R 都能让您将统计学的力量掌握在手中。
入门指南
- 课程：Introduction to Statistics in R
- 课程：Introduction to Regression in R
- 课程：Introduction to A/B Testing in R
- 技能路径：Statistics Fundamentals with R
4. 用机器学习进行万物预测
机器学习是一门利用数据进行预测的艺术。与统计学类似，R 提供了极为丰富的工具，让您可以运行所需的任意机器学习模型。掌握机器学习后，您可以构建预测性模型，如客户流失模型、电影推荐系统等。
入门指南
- 课程：Supervised Learning in R: Classification
- 课程：Supervised Learning in R: Regression
- 课程：Unsupervised Learning in R
- 课程：Modeling with tidymodels in R
- 职业路径：Machine Learning Scientist with R
5. 使用 R Markdown 文档实现报告自动化
为了更好地传达分析结果，您可以将输出整理为报告供他人阅读。R Markdown 提供了全面且易用的语法，可生成多种格式的报告，无论是撰写文档、制作演示，还是写书都能胜任。