如果你正在学习数据可视化，那么你可以参考 Nathan Yau 的工作。他经常在他的博客（flowingdata.com）上上传一些使用 R 语言的数据可视化教程。（笔者同时推荐他所写的《Data Points》作为参考，在这本书中主要讲授的是数据可视化的一些法则而非编程实现。）

笔者亦推荐 Hadley Wickham 所著的书。如果你对使用 R 语言进行数据可视化感兴趣的话，那么你应该拥有 ggplot2 这本书。它不仅教会你如何使用 R 语言中数据可视化库的使用方法，还能够改变你对数据进行可视化的观念。

同时，你还可以参考这本书：R for Data Science。这本书包含了对数据可视化非常棒的介绍，还有对很多 R 语言数据可视化工具库的介绍，是一本学习 R 语言的必备书籍。

使用 R 语言来学习机器学习

最后，如果你想开始学习机器学习，有很多优秀的使用 R 语言描述的机器学习的书籍可以参考。

我承认，现在有各种各样使用不同的编程语言的来描述机器学习的书籍，但我认为，在最好的那一部分书籍中有很大比例都是使用的 R 语言。

下面有两个使用 R 语言来介绍机器学习的优秀的教程：

统计学习导论（An Introduction to Statistical Learning）

应用预测建模（Applied Predictive Modeling）

这些书写得十分严谨同时也很容易理解。书中会提及一些理论知识（但是不会用很复杂的数学知识来为难你），同时也会教授你一些实用的技术。

毫无疑问，这是我给想学习机器学习的初学者最常推荐的两本书，并且它们都使用的是 R 语言。

如果你想学习数据科学，R 语言是一个绝佳的选择

最后强调一下，R 是一种学习数据科学的优质语言，因为许多优秀的书籍（以及一些其它的教程）都使用 R 来作为编程语言。

所以，如果你是数据科学的初学者，由于数据科学学习材料的数量和质量所限制，所我认为 R 语言是最好的选择。

一个关于 Python 的快速注解

就数据科学编程语言来说，Python 是目前唯一可以替代 R 的语言。（因为其它的替代方案缺乏完善的软件包生态系统或者是非开源/免费的）。

我不会在这里阐述我对 Python 的全部理解，但是我必须要讲的是，Python 的确是一种优秀的语言。我爱 Python。

话虽如此，对于数据科学的初学者来说，我仍然认为 R 是更好的选择，其中的原因我在上文中已经进行了概述。

再者，我认为关于基础数据科学概念（概率、统计、贝叶斯统计、机器学习）的许多最好的教科书和教程都是基于 R 的。当然，这并不是说没有优秀的数据科学书籍使用 Python，我只是认为基于 R 的书籍的平均质量高于用其它编程语言描述的书籍。

有关于 Python 的另一个问题是，很多学生在开发过程中会遇到一些困难。他们在学习的过程中并没有花多少时间来学习统计数据、数据可视化、数据操作、概率等，而是花费了大量的时间去学习数据结构、循环、流程控制、面向对象的编程和 Web 框架。这些技能可以用来完善核心的数据科学工具包，但它们不是我们想要了解的数据科学范畴的相关内容。事实上，我建议大多数初学者先学习基本数据科学相关的内容（如数据操作、可视化、分析等）后再学习软件开发。

虽然大多数的初学者在以后会学习软件开发的技术，但是很多使用 Python 来作为入门数据科学的初学者会陷入到软件开发和 Web 开发等领域。我认为之所以会出现这样的问题，是因为在许多方面，Python 都是运用于这些领域的。大多数关于 Python 的书籍并不是真正的数据科学书籍，而是讲述一些有关于编程和开发的内容。所以，有些数据科学的初学者选择使用 Python 描述的书籍来学习数据科学，然而他们最终却花费了数月甚至数年来学习软件和 web 开发而不是数据科学。

当然，我非常爱 Python，但是对于初学者而言，我认为选择 Python 有一些冒险。最好还是从 R 语言开始，因为统计学和数据科学就像「它的 DNA」一样和它绑定在一起。使用 R 语言，不仅更容易学习，也不容易偏离我们的学习范畴。

如果你想学习数据科学，那么就学习 R 语言吧