关于我很多同志都已经不再陌生，但是几个核心的概念在一项长期的工作中是需要重申一下的。就是关于这个人是个什么人的问题。
我将要在简书上刷第五本书了:《R语言数据科学》，前五本分别是：
- 《数量生态学》 || 90% 完成
- 《环境与生态统计》 || 60% 完成
- 《机器学习实战》 || 0.1% 完成
- 《高通量测序技术》 || 6%完成
所谓善始者实繁，克终者盖寡。但是有些时候又是不断地开始，点燃一个又一个新的念头，以使自己知道哪个姿势才是舒服的。618买了一床的书，但是从哪里开始呢。所以一个主题阅读的需求就提上日程了，就是要围绕一个核心展开宽泛的阅读。摆在我面前的依然是两大语言：R和python。python我是仰慕已久的，一直都很想用，也很想来刷一刷，但是作为第五次的备选，依然没有选上。
还是选一本R语言的书来做吧！
--- 你为什么要这么做？
···时间总要被用掉啊
2019年半年以来，我的R语言有没有长进呢？可以说是没有。用R解决的所有问题不过是：在Google上查询内容时加一个“R"，或者在R里面用问号去看参数。这可以说是我学习R和用R在目前最高的境界了，然后就是得益于我的第一门编程语言Markdown，在R里面组织一下文档。
没有创造过任何东西，可以说是一只老菜鸟了。菜鸟也需要温暖啊，学习也需要细节。险以远至者少，奇伟瑰怪常在险远。还是在R的世界都呆一会吧，至少知道什么叫S4类，尝试一下R的面向对象编程，用R做做挖掘，而不是一味地copy人家的代码。
每每念及此，不免伤怀感喟，拍案不已。以自己的知之甚少，羞愧难当。我已不再是那个阳光男孩，带着青春期后遗症蹒跚进入中年。要是我真的成熟了，是不是不会在这啰嗦这些没用的，而是直接写本书的前言。
其实本书主要讲了一个R包：tidyverse。说是数据科学不过是数据处理，dityverse重新定义了一套处理数据的函数，使得数据转化更加高效和人性化。本书并没有提出什么数据科学的算法模型，这些东西是R的强项。所以边界要找好，也不要期望太高。
因为tidyverse 是一门新的语法，所以并不是上了年纪的人才适合，对于R语言的初学者也是可以看的，我就是一个初学者。当然，更这本书只是为了完成任务——以后可能会开始更多的书，它们都有一个特点：都带有代码。
燃尽图。
本书共五个部分，二十二章，而2019年还有六个月：
- 探索
- 数据处理
- 编程
- 模型
- 沟通
我将重点关注的是数据处理，编程和沟通这几个领域。当需要交作业时，我会拿出这本书来完成任务。我有一个长长的写作列表，但是只有这个表越来越长才能有助于这个列表的完成。Everything takes time 。
我也有一个长长的阅读列表《R语言数据科学》《R语言编程艺术》《R语言数据可视化之美》《高效R语言编程》《基于R语言的机器学习》《R包开发》，关于python的书要比R的至少厚出5倍吧。
当然我还有长长的未完成的列表，似乎永远都完不成。
选择这本书的好处是不要安装各种包，我写R代码的时间远远小于我安装R包的时间，我几乎每天都在处理R包安装报错。我真的想学习好R语言，真的（说这话的时候，作者都快哭了）。
思考：学用R语言必备良器是什么？
参考答案：Google。
