错过了蓝月亮，没关系~~
毕竟你还有小编呀~
虽然不能给你158年一次的蓝月亮
但是可以送给你一年一次的年度豪华大大大大礼包！
请开始看小编的表演
R 语言在国际和国内的发展差异非常大，国际上R语言已然是专业数据分析领域的标准，但在国内依旧任重而道远，这固然有数据学科地位不高的原因，国人版权概念薄弱以及学术领域相对闭塞的原因也不容忽视。R语言之所以能够被广大的数据分析工作者接受，这其中有诸多原因。
（摘自R语言发展报告）
从R语言的发展历史上看，R主要是统计学家为解决数据分析领域的问题而开发的语言，因此R具有一些独特的优势。
统计学家和前沿算法（3400+ 扩展包）。
开放的源代码（自由且免费），可以部署在任何操作系统，例如 Windows、Linux、Mac OS X、BSD、Unix。
强大的社区支持。
高质量、广泛的统计分析、数据挖掘平台。
重复性的分析工作（Sweave = R + LaTeX），借助R语言的强大分析能力 +LaTeX 完美的排版能力，可以自动生成分析报告。
方便的扩展性。
– 可通过相应接口连接数据库，例如 Oracle、DB2、MySQL。
– 同 Python、Java、C、C++等语言进行互调。
– 提供 API 接口均可以调用，例如 Google、Twitter、Weibo。
– 其他统计软件大部分均可调用R，例如 SAS、SPSS、Statistica 等。
– 甚至一些比较直接的商业应用，例如 Oracle R Enterprise、R add-on for Teradata、Sybase RAP 等。
虽然R语言有诸多优势，但它并不是万能的——它毕竟是统计编程类语言。受到其算法架构的通用性以及速度性能方面的影响，因此其初始设计完全基于单线程和纯粹的内存计算。虽然一般情况下无关R的使用，但在当今大数据条件下，这两个设计思路的劣势逐渐变得愈加刺眼。好在R的一些优秀的扩展性包解决了上述问题，例如：
snow 支持 MPI、PVM、nws、Socket 通信，解决单线程和内存限制；
multicore 适合大规模计算环境，主要解决单线程问题；
parallel R 2.14.0 版本增加的标准包，整合了 snow 和 multicore 功能；
R + Hadoop 在 Hadoop 集群上运行R代码；
RHIPE 提供了更友好的R代码运行环境，解决单线程和内存限制；
Segue 利用 Amazon’s Web Services（EC2）。
（摘自R语言发展报告）
所以，为了帮助优秀的你这里是视频~~
悄咪咪的剧透：
这里是资料~~
目录
干货1----- 2017年R语言发展报告
干货2----- R语言学习教材
干货3----- R语言可视化分析
干货4----- R语言时间序列
干货5----- R语言会议前沿学习
干货6----- R语言机器学习
干货7----- Python资料（附加值）
更要有图有真相
具体领取方式
长按识别图中二维码
（也可以直接戳图片）
或者
点击原文
本章摘自：《程序员》作者：刘思喆
图片截取自：《R语言发展报告》