有朋友在我之前的帖子《继续学R：体验一下quantmod》底下回复，说我每天坚持学R的帖子赚的比写这本书的作者还多，让 
(图源 ：pixabay)
触R缘由
其实关于我的《继续学R》系列帖子是看大鹏出了《学R》一书，对R语言产生了一些兴趣，想对这门语言做一些了解，所以尝试了一下，然后顺便把尝试的过程记录下来，就是如此。
学R的过程中，我主要参考的是R Tutorial 、https://www.r-bloggers.com以及官方网站上的一些内容。
原本计划等他在steemit.com 上更新频繁一些，我好抄袭点，奈何估计被他意识到我的企图，他更新的一直不紧不慢，真是让人抓狂。
学R很累
好啦，其实上述的话，都是开玩笑的。在之前的帖子《继续学R：Matrices(矩阵) Part 1，创建矩阵&命名&访问》中我就提到：
我为啥要凑热闹学R呢？就是为了一时好奇😔？啥时候烂尾千万不要意外啊。
而且每天都要耗费一些时间去逐行代码去学去试，属实很累。如果是自己学，可以快速的过一遍，以后应用时遇到问题再去细究，而尝试写教程，则要去确认很多事情，考虑很多方面，什么易学易懂先不说了，但是至少要准确不能误导人。
比如写矩阵四则运算的时候，我理解矩阵按行或者按列展开成向量，然后只要向量的长度相同，那么就可以去做对应的四则运算，无非是把对应位置的向量进行运算，然后再还原成矩阵。也就是说3X2的矩阵和2X3的矩阵是可以运算的，然后我粗略试一下，不知道是自己晕了还是眼花了，证明可行，于是我洋洋洒洒写了一大篇。
写到最后，又用到四则运算，我直接拿之前的例子，咦，怎么不好用呢？然后才发现自己的理解完全是错误的，至少统统删掉，从头再来。
写到向量、列表、矩阵的命名访问方式时，有些内容R Tutorial 中根本没有提及，我横向对比三种类型，然后针对每种自己测试出可能的命名访问方式。也许有参考或者教程可以瞬间学到，但是我却耗费了很多时间一次次试错总结出来的各种结论。
后来的三次装R，看似几条命令，实际上每次我都折腾大半天，一次次的重复测试，一次次的推倒重来，各种网页翻了成百上千不敢说，但是几十上百个肯定是有的，总之太累了。
学不明白
如果累点，能学明白也行，但是R主要还是用于统计分析之类方向，这我更是一头雾水了。如果R是手术刀，我相信经过我刻苦努力，想必可以掌握这手术刀的切、削、划等各种技巧，但是对于一个医生来说，学会手术刀就可以上手术台了吗？这岂不是一个笑话！而统计分析之类的内容，对我而言，就是不可逾越的鸿沟。
所以就去了解而言，差不多达成目的了。再深入去学去写文章教程太累太累，并且也不见得能学明白。那么借别人吐槽之际，正式的停止更新《继续学R》系列帖子吧。
重磅推荐
想学R的朋友欢迎购买
对各位关注《继续学R》系列帖子的朋友说声抱歉，也许根本没人关注这些帖子内容，哈哈，不过这样也好，没人被我误导也算是一项功德。如果真有关注的，请移步关注
希望各位学R的朋友，不要学我一样半途而废，好好学R，天天向上。就这样了，来张好看的图祭奠一下我的《继续学R》帖子。
《继续学R》系列帖子链接
- 学R：准备工作
- 继续学R：安装软件包
- 继续学R：另一款在线R环境
- 继续学R：R的6大基本数据类型(原子向量)
- 继续学R：Vector(向量) Part 1, 多元素向量创建&类型
- 继续学R：Vector(向量) Part 2, 多元素向量访问 & 计算长度
- 继续学R：Vector(向量) Part 3, 多元素向量的操作(算术操作&排序)
- 继续学R：List(列表) Part 1, 创建列表&命名&访问
- 继续学R：List(列表) Part 2, 列表的操作
- 继续学R：Matrices(矩阵) Part 1，创建矩阵&命名&访问
- 继续学R：Matrices(矩阵) Part 2，矩阵访问方式&矩阵操作&进阶操作
- 继续学R：在Linux下源码方式装R / Installing R from source
- 继续学R：重新装R / Installing R from source (2) 又掉坑里了😭
- 继续学R：重新装R / Installing R from source (3) 再也不装R了
- 继续学R：体验一下quantmod