R

R 的核心场景是统计计算与数据分析。如果你的工作主要围绕数据框（Data Frame）、公式、统计模型或出版级图表展开，R 很适合这类工作。

入门路径

1. R 基础：掌握向量、数据框、控制流及函数定义。
2. 数据导入：处理分隔文本、电子表格、JSON、RDS 及 RData 格式。
3. 优先查阅内置帮助，而非直接搜索引擎：

?mean
help("lm")
vignette(package = "dplyr")

标准 R 安装即可使用 ?mean 和 help("lm")。示例中的 vignette 查询需要已经安装 dplyr；vignette() 列出已安装包的教程。遇到具体调用时，先看参数和返回值，再运行最小例子，最后用于自己的数据。

常用工具栈

场景	推荐工具
语言核心与标准库	base R
表格数据转换	dplyr 或 data.table
数据可视化	ggplot2
分隔符文件读取	readr 或 data.table::fread()
电子表格读取	readxl
可复现报告	Quarto
包开发	devtools, usethis, testthat

以上仅为起步配置，并非永久标准。最终选型需结合现有项目、数据规模、团队规范及部署约束综合决定。

核心参考资料

• The R Project：语言本体与官方手册。
• CRAN manuals：权威语言文档。
• Posit documentation：RStudio、Quarto 及相关工具文档。
• R Packages：包开发最佳实践。
• R for Data Science：持续维护的数据分析工作流教程。

社区帖子适合参考示例，但涉及当前版本行为的具体问题，应以官方包文档和可复现代码为准。

我的阅读 · 打开过的笔记会记在当前浏览器里。