正文
很多R语言初学者都抱怨过R的帮助文档，有说文档复杂的，有说难懂的，也有说包里面没文档的。其实，真正说起来，R的帮助文档才是这世界上学习最好的教材，对比Python的help文档，R的文档可以让我们感动到流泪。
R语言的书都会教你，如果要查某个函数的帮助，比如glm函数，可以用?glm，??glm，或者help("glm")的方式来查看帮助文档。
但是，这样查出的帮助文档只是R文档的一部分。来，陈老师带你来认识下R文档和帮助资源的版图：
接下来陈老师会逐一向大家介绍上面每一块的内容
与R同行的文档，也就是你安装R和R包的时候，同时安装到电脑里的文档，也就是上图左半边的内置文档、内置Demo和小品文。
先看看内置文档，它又分成三部分：R核心小组的文档、名门R包的文档以及其他R包的文档。
R核心小组的文档
R核心小组，是个类似五老星一样的神秘组织，掌管着R前进的方向，掌管着R包是否能在CRAN上架。
CRAN又是什么呢？CRAN是Comprehensive R Archive Network（R综合典藏网）的缩写。它除了收藏了R的执行档下载版、源代码和说明文件，也收录了各种用户撰写的软件包。现时，全球有超过一百个CRAN镜像站。
下面这个视频介绍了CRAN
需要注意一点：不是所有的R包都在CRAN上，有的R包在Github上，有的在R-forge上。
既然R核心小组掌握着R和R包的生杀大权，必然会发布文档来规范所有人的行为。
打开RGui，在菜单中的帮助中，可以看到R自带的有这些文档
An Introduction to R ： R入门手册
R Reference ： 函数速查参考手册
R Data Import/Export ： 数据导入/导出R的手册，各种数据格式，各种数据库
R Language Definition ： R语言定义，太过底层，慎入
Writing R Extensions ： 关于创建R包、与其他语言交互以及调试R代码，高级忍术，小白慎入
R Internals ： 非常底层，慎入
R Installation and Administration： R的安装和管理
Sweave User ： 有了knitr，这个Sweave文档可以抛弃了
上面这几个文档都是R核心小组提供的，除了我标明慎入和抛弃的以外，都是不错的参考手册。如果未来你功力提高了，想成为写R包的高级开发者，就要阅读那些小白慎入的文档了。不过这样的人，毕竟还是少数，也没有几个人有这个必要修行如此艰深的忍术。
除了关于R本身的文档，R核心小组还提供了基础R包的文档。
什么是基础R包呢？就是安装R以后，默认就有的那几个R包，就是下面这些：
这些包是R核心小组钦点的包，可谓是R包中的贵族。
R虽然是开源的，但是有R基金会，以及一些商业公司的赞助，R核心小组负责R本身的开发和更新维护，其中也包括上图所示的基础包。所以基础包的质量是很高的，文档质量也很高，大家可以放心取用。
名门R包的文档
名门R包指的是那些出身名家之手的R包，比如Hadley Wickham和谢益辉，他俩正好都是RStudio公司的，写出了非常受欢迎的包，包的文档质量也很高，也有不少人为他们的包著书立传。
还有一些公司，比如微软，也会发布一些R包。微软还建了个网站，叫Microsoft R Application Network，除了发布自己的R发行版：Microsoft R Open以外，还收录了CRAN的各个时间的镜像。
类似的名门还有Rmetrics和Bioconductor，前者是数量金融领域的，后者则是生物信息领域的。
其他R包的文档
其他R包就是除了上述两类之外的了，即不是R核心小组的，也没有基金会或公司支持，来自五湖四海、各行各业的志愿者上传到CRAN、Github、R-forge上的包。
诚然，这些R包中不乏上乘之作，但其中很多R包还是有问题的。有些包虽然发布到CRAN了，但是进入CRAN的标准只是编译没问题，有文档，并不是说能在CRAN上架就是通过质量认证的。发到Github上的包就更加随意了，也许你根本没办法安装，那就更别提文档了，有的根本就没文档。
这类包，经常是非常小众的包。经常有人跟我说，使用某某包的时候，遇到问题，问我怎么解决，我就一脸惊讶，这是什么包啊，根本没听过。然后对方就解释，这是某某模型的包，我更是一脸懵圈，根本没听过啊，我是不是学了假的统计学。
这种情况，很可能是某某研究者，在研究某个问题的时候，写的一个包，就针对自己的研究，很难在你那里复用。如果你研究类似的问题，直接套用别人的包，发现有这样那样的问题，那么我劝你，不要用这个包了，既然它的代码都公开出来了，你可以仔细阅读代码，看看哪些是你用得上的，哪些是需要修改的，这才是拿来主义的正确姿势。
P.S. 这一类的包，安装出问题，使用出问题，都是常态，不要用不好就把R一关，然后下结论说：R的文档不好，R包不好，R不好。至少有一半黑R的都是这类人，自己连基础的入门帮助都没看，乱捣鼓一通，搞不出来就怪R不好用。
我们再来说说内置文档、内置Demo和小品文怎么用。
内置文档
R的内置也就是用问号（?，??）或help函数查出来的文档，一般是网页格式，你也可以在R的配置文件里修改成查看纯文本的形式，但是不推荐这样做，我们就不细说了。
?和??的区别是什么呢？其实 ? 是help函数的简写，?? 是help.search的简写，而help.search与help不同之处在于，查询的字符串可以是正则表达式，支持模糊匹配。所以，一个问号查不到的，就用两个问号查。
再说内置文档怎么看。一个比较完整的文档包含以下信息：
1. 函数所在包的名称，函数的描述
2. 函数调用格式
3. 参数说明
4. 细节说明
5. 函数返回值说明
6. 作者介绍与参考文献
列出参考文献真是太棒了，用R来分析数据，编程其实不难的，难的是不懂怎么建模和分析。
7. 相关函数推荐
这个功能设计得也是非常接地气，观看这么一个函数的文档，顺带着还能了解其他的包和函数，而且没有推荐一大堆不相关的东西。
8. 代码示例
内置Demo
比如我们想看glm的例子，就可以执行example("glm")来查看例子。可以看到，命令行的提示符从原来的 > 变成了 glm>
你可以执行demo()查看R里面有哪些交互式的demo可以看，比如，我们看到persp函数是有demo的，那就执行demo("persp")， 可以看到好几个跟persp函数有关的例子，每次回车就更换一个例子
小品文
我们把Vignettes翻译成小品文，它是比默认文档更为详细的文章，用来阐述包的使用，有解释，也有例子。最早小品文必须是pdf格式的，后来随着knitr的普及，现在越来越多的小品文都是html格式。
你可以执行 browseVignettes() 命令来查看你安装的R包里有哪些小品文
对于没有安装的R包，我们可以在CRAN上查看小品文，来了解这个包的用法，看是不是适合我们的问题
比如，发现一个叫d3heatmap的包，在CRAN上找到这个包的页面
打开小品文，就可以看它的介绍和用法示例了。
3. 查询文档的利器：Rdocumentation
上面也提到了，R包主要发布在CRAN上，但也有不少包发布在Github、Bioconductor等平台，这就给文档的查询带来了麻烦。
此外，有时我们从别人那里复制了一段代码过来，却搞不清调用的函数是哪个包的，要怎么查找文档呢？
别着急，现在我们有一款文档利器Rdocumentation，它可以查询CRAN、Github、Bioconductor上R包的文档，可以按关键词查询函数和包，也可以通过函数名查所在的包是哪个，如果多个包都有一样名字的函数，最后也会把这几个包都列出来。
网址是 https://www.rdocumentation.org 截图如下
首页上还有排行榜
与R相关的期刊有两个：
The R Journal，网址是https://journal.r-project.org , 是由以前的R News发展而来。上面刊登有R社区的新闻和新包的介绍文章，文章都讲的非常详细，比自带的文档更详细。
Journal of Statistical Software，网址 https://www.jstatsoft.org，创办于1996年，刊登关于统计软件的文章、代码和书评等。不但有关于R的，还有关于Matlab、SAS、Stata等软件和编程语言的。
要说图书，那就不能不提MASS这本书了。MASS的全称是Modern Applied Statistics with S。别看书名是讲S语言的，对R语言一样是适用的，因为S语言是R语言它娘。安装了R之后，默认安装的基础包里就有个包叫MASS，便是这本书的配套R包。
这本书的作者就是R核心小组的成员，书里面讲了很多统计学模型，放到现在都可以说是“现代的”。
在 https://www.r-project.org/doc/bib/R-books.html 列出的书单已经很详细了，从这也可以看出R和统计学应用的范围有多广。
我个人比较推荐的是Springer出版社的Use R!系列，涉及的应用领域包括：流行病、心理测量、计量经济、生态学等。
链接 https://link.springer.com/bookseries/6991
其他出版社也有R方面的图书出版，我就不一一推荐了。以后有机会再单独写篇文章介绍。
R是开源软件，开源软件的一个优势是有强大的社区支持。不过很多小白用户并不会有效地利用社区资源：
邮件列表
邮件列表是类似群发邮件的东东，是web 1.0时期的老古董了，90后的童鞋们可能没接触过（暴露年龄了～）。由于只能用英语交流，而且使用起来不那么方便，就不推荐大家使用了。不过，如果你不小心发现了R或者R基础包的BUG，推荐用邮件列表向核心小组报告。
https://www.r-project.org/mail.html 这里有R相关的邮件列表的介绍。
BBS或问答网站
Stack Overflow 是著名的问答网站，聚集了全世界的程序员，如果你有与R相关的问题，可以在 http://stackoverflow.com/questions/tagged/r 提问。
Cross Validated 是问答网站StackExchange的子站，专门讨论统计学、机器学习、数据分析、数据挖掘、数据可视化等问题。网址是 https://stats.stackexchange.com
统计之都 是中国最早讨论R语言的BBS，还创办了影响里最大的中国R会议，到今年已经举办了十届。最近刚刚换了域名，BBS网址 https://d.cosx.org
雪晴数据网 后起之秀，提供了很多R和Python方面的课程视频、文章。与微软合办数据科学沙龙
QQ群/微信群
随着移动互联网的发展，大家生活节奏的加快，似乎国内的用户越来越不愿意在论坛提问了，更多人倾向于在QQ群或者微信群里提问。
其实我非常不建议在这种即使聊天工具上提问：
一是聊天工具里展现形式有限，你想啊，你就发几句话，描述得不清不楚的，就算用人有空，也懒得回答你的问题。关于如何提问，我后面会讲
二是聊天工具里，很多问答都不能沉淀下来，想想原来BBS的时代吧，你遇到的问题，别人也可能遇到过，你在论坛里搜索，就可以搜到答案，根本不用再问一遍。但是如果用聊天问题提问，这种便利不复存在了。
有人会说了，我在论坛提问了，没人理我啊。好吧，同学，这很可能是你提问的姿势不对。还有，你完全可以先在论坛发帖，然后把地址发到群里让大家去回答啊。
再说说如何提问吧
先看看下面这段对话
后来，在我的调教之下，这位同学终于用正确的方式提问了，他自己都找到问题所在了。
像这样的对话，我遇到过很多次，每次我都要提醒一下提问的同学，你这样提问的方式是不对的，你以为会有别人遇到跟你一样的情况，听你的描述就能回答你的问题，那你是在大海里捞针。正确的心态是，给社区里有时间有意愿的同学，创造更便利的条件，让他们能重复你的问题，然后找到问题所在。
这话怎么理解呢，首先，你不能简单得上来就说，我做了某某建模，结果报错了，或者我读了什么什么数据，结果格式不对，报错了。你这样提问，没人能回答的了。
你必须用清楚的语言描述你都做了什么，具体到用了什么包，执行了什么代码，电脑的系统是什么，R的版本是多少，越具体越好，再看下面的对话
所以我说QQ群和微信群并不是很好的求助手段，你要贴报错信息、代码、数据，那么一大堆东西，用微信或者QQ就等于刷屏了。
最好的办法还是在论坛发帖，把这些东西都准备好，然后把链接发到微信或QQ上求助。
向高手求助
这一点其实跟上面很类似，只不过在BBS、问答网站或者QQ群/微信群里是需要等着高手来解答问题，是被动的。你也可以主动出击，请高手帮助，但前提是先学会如何提问。
那高手为什么要回答你的问题呢？别担心，这里有个好机会，参加我们的线下课程，就可以成为我们的VIP学员，QQ群、微信群有老师和助教守护你的代码。你可以随时提问，如果你不会提问，没关系，老师来纠正，搞不好你在这个过程中自己就找到答案了，教你正确的思维方式比直接给你代码更重要。
我们的课程采用完全的案例式教学，在案例中讲解知识点，案例选择接地气的有商业应用背景的案例，而不是用iris、titanic这种只能讲解模型不能讲解业务的玩具数据。
案例一： 针对一份电子商务网站的订单数据，从产品、客户、地区等维度来分析销售额和利润，也可以时间的维度纵向分析销售趋势。
案例二： 抓取中国政府网历年政府工作报告，并做文本分析
案例三： 某连锁餐厅为提高营业额，做了一次市场调查，根据收集到的数据，分析是哪些因素影响营业额，并提出改善经营的建议
案例四： 预测贷款逾期者(银行业) -- 某银行希望根据客户过去的贷款数据来建模，以便用模型来预测新的贷款者，核贷后会逾期的机率，以做为银行是否核贷的依据，或提供给客户其他类型的贷款产品。
案例五： 零售业销售促销(零售业)：此案例的目的是想根据零售产品过去的促销记录，利用神经网络及回归树(Neural Network & Regression Tree)来预测未来的销售成效。
感兴趣的同学请点击下面的图片来查看详情。
请尊重作者的劳动，转载请务必将上面的广告也带上
