来自 drunkevil | June 18, 2018
本文经作者 @drunkevil 授权转载（原文链接1，原文链接2）。略有改动。
有两个 1.5 G 的 csv 文件需要处理，具体的要求是删去不必要的字段和某些字段中不符合要求的行，减小数据量，以便进一步的分析，但是 Excel 很难直接进行处理。
平时基本上不写代码，想到的笨方法是：
- 将大文件分割成小文件（大概 8 个）；
- 用 Excel 对每个小文件（200 M 左右）进行排序，筛选，删除等操作；
- 将处理后的小文件合并成一个文件。
虽然看起来只有三步，但其中的困难只有在真正做的时候才能体会。 分割完成后在处理第二个 200 M 的小文件时，电脑不争气的卡死了。
意识到以这种方法估计要搞到下班也很难处理好，上半年的最后一个小长假甚至会因此而受到影响，脑子里突然想到了 @dapeng 推荐的不少人在学习的 R 语言。
于是果断地在网上找了两篇教程，下载并安装了 R 的安装包和 Rstudio，试着写下了人生中的第一个 R 脚本，虽然只有大概 5 行代码，略显简陋，但很好地完成了人拉肩扛的纯体力劳动，大大解放了生产力。将精力主要放在了后续的分析上。
唯一不太喜欢的地方在于，R 在读取 csv 文件时，没有进度提示，不知道要多久才能完成，好在最终执行整个过程只花了 20 分钟左右。
同事：你这是什么？
我：R 语言。
同事：R 语言是什么？
我：统计分析语言。
同事：你还会这个啊？
我：刚刚学的一点皮毛。
真的只是一点皮毛，距离学会还有一定的路要走。不过我对于编程的理解是，关键不在于学没学会，而在于会不会用。
下午五点半，愉快地按时下班了，开始了上半年的最后一个小长假。
在体会到了 R 的锋利之后，在网上入手了 @dapeng 的热销书《学 R：零基础学习 R 语言》，近距离地感受下 R 的过人之处。
昨天下午，花了两三个小时的时间将这本《学 R》读了一遍。@dapeng 辛辛苦苦 16 个月怀胎，我却只花了两三个小时就读了一遍，原因是，我并不需要每章都去读，有些章节，比如第 17 和 18 两章关于用 R 进行基础统计的内容，我可能暂时用不到；另外，整本书各章相对独立，对编程稍有基础的话大可不必从头到尾通读。
老实说，《学 R》并不适合所有的想要学 R 的人，它更适合的是那些对R语言或者其他编程语言没有基础而又需要用到R语言的人，像 O 哥这样的大神或者城市的出租车司机大概不会买来阅读，这点从书的副标题和序言都可以看出。
与其他的《零基础学习xx》的所谓教程和图书最大的不同之处在于，《学 R》十分真诚。它不是那种耳提面命似的辅导，没有多少术语和枯燥的公式，而是那种一对一的交流和探讨，是那种将自己七年的学习和使用经验的分享，如果你读过 @dapeng 的博客，大概会同意我的这种看法。
工作中，我很少用到统计学，数据分析倒是时常会接触，但基本上都是通过表格来处理，常用的需求一般是通过公司专门部门写的小工具，定制化十足而灵活性有限。有了 R 这一把利器，希望为自己的数据处理和分析提高一些效率，同时也增加一些乐趣。
当然，统计分析并不是 R 的唯一用武之地，如果这本《学 R》只是在讲 R 在统计学中的应用，@dapeng 大概会少了三块钱的版税收入（哈哈）。看一下目录，与统计学直接相关的内容很少，更多的是 R 在不同方面的应用。尤其吸引我的是 R 的bookdown，bolgdown，bookdownplus等扩展包。
看完这本书，大概可以说自己真的是入门了，更多的功能需要去使用。毕竟 R 语言只是一种工具，有工具并且要会使用工具才能真正发挥它的价值。
那么，R 真正的过人之处在哪里呢？容我开始使用后慢慢体会。
关于书中内容，一个小小的勘误：
| 页码 | 错误 | 订正 |
|---|---|---|
| 12 | 哈姆雷 | 哈姆雷特 |
顺便说一句，哈姆雷特这样的词语出现在编程语言的书中大概是我读到的第一次，当然，除了哈姆雷特之外，金庸，张无忌，四大名著的影子都会出现。虽然这些东西对书的内容并没有太大的提升，但对于书的可读性提升了好几个档次。与一本严肃的教科书相比，一本段子云集的…课外书自然更有吸引力。
最后小小八卦一下，包括这本书的作者介绍在内，看到过好几张 @dapeng 的照片（1,2,3,4），但每次都感觉不像是同一个人，不知道有没有人也有这种感觉？
祝《学 R》大卖！