如果说R语言学习者会有的书，大概率会有这一本。本书可以说是R语言学习者和使用者的一个分水岭，在此之前是各种copy调试，在此之后开始用R做一些自己的事情。其实这样的书可以罗列出好几本：
ggplot2 数据分析与图形艺术（ggplot2 Elegant Graphics for Data Analysis）
R语言实战（RinAction）
R语言核心技术手册（RinaNutshell）
R语言数据科学（R for data science）
高级R语言编程指南（ Advanced R）
这些书每看完一本，都会对R的特性有进一步的理解。《R语言编程艺术》这本书是买的比较早的了，之前也泛泛地翻过，主要是对R的特点有个相对系统的理解。从目录导图中不难看出，这本书涉及的内容是广泛的，如果恰逢其时，你会觉得这本书就是为当下的你写的——就像第九十八个阶梯，早一步的话望而却步，晚一步的话只只剩下蓦然回首。所以这是一本时长拿来看看的R语言书籍：说不定哪一次就对上号了。
本书的特点主要有：
第七章是这本书的核心
最主要的特点是有大量的演示案例，虽然大部分的主题在 R语言数据科学 或者R语言核心技术手册均有涉及，但是讲述的方法不同，往往乐意无穷《R语言数据科学》这本书像是哈德利·威克汉姆用自己定义的R语言在讲述这些知识点（哈德利·威克汉姆重新定义了很多），R语言核心技术手册又显得太厚了，让人像面对 R语言实战 一样，望而却步。
我觉得第七章<R语言编程结构>是这本书的核心，这也许和目前我的水平有关：开始关注函数的实现与组织。这一章探讨了编程中的控制结构以及函数的实现，环境作用域等，函数编程的基本概念。在这一章中，我们可以体会到用R语言和会编程其实是两件事。
像编程这样的书籍，读一遍是远不够的，因为我们系要理解的不是人类语言的部分，而是非人的代码部分，不仅要理解更是要能运用。这也是做纸质书的好处，可以在代码上做注释，写下自己的惊叹和感悟。
另外，本书值得学习的是关于debug的部分，在做调包侠的时候很少用到这项技能，遇到问题找R包换R包安R包，但是如果是自己写函数了，或者有的R包还不太成熟的话，就需要我们来为代码debug。这部分内容，对很多已经是调包侠的人来说是一个进阶的突破口。
# class "ut", compact storage of upper-triangular matrices
# utility function, returns 1+...+i
sum1toi <- function(i) return(i*(i+1)/2)
# create an object of class "ut" from the full matrix inmat (0s included)
ut <- function(inmat) {
n <- nrow(inmat)
rtrn <- list() # start to build the object
class(rtrn) <- "ut"
rtrn$mat <- vector(length=sum1toi(n))
rtrn$ix <- sum1toi(0:(n-1)) + 1
for (i in 1:n) {
# store column i
ixi <- rtrn$ix[i]
rtrn$mat[ixi:(ixi+i-1)] <- inmat[1:i,i]
return(rtrn)
# uncompress utmat to a full matrix
expandut <- function(utmat) {
n <- length(utmat$ix) # numbers of rows and cols of matrix
fullmat <- matrix(nrow=n,ncol=n)
for (j in 1:n) {
# fill j-th column
start <- utmat$ix[j]
fin <- start + j - 1
abovediagj <- utmat$mat[start:fin] # above-diag part of col j
fullmat[,j] <- c(abovediagj,rep(0,n-j))
return(fullmat)
# print matrix
print.ut <- function(utmat)
print(expandut(utmat))
# multiply one ut matrix by another, returning another ut instance;
# implement as a binary operation
"%mut%" <- function(utmat1,utmat2) {
n <- length(utmat1$ix) # numbers of rows and cols of matrix
utprod <- ut(matrix(0,nrow=n,ncol=n))
for (i in 1:n) { # compute col i of product
# let a[j] and bj denote columns j of utmat1 and utmat2, respectively,
# so that, e.g. b2[1] means element 1 of colument 2 of utmat2
# then column i of product is equal to
# bi[1]*a[1] + ... + bi[i]*a[i]
# find index of start of column i in utmat2
startbi <- utmat2$ix[i]
# initialize vector that will become bi[1]*a[1] + ... + bi[i]*a[i]
prodcoli <- rep(0,i)
for (j in 1:i) { # find bi[j]*a[j], add to prodcoli
startaj <- utmat1$ix[j]
bielement <- utmat2$mat[startbi+j-1]
prodcoli[1:j] <- prodcoli[1:j] +
bielement * utmat1$mat[startaj:(startaj+j-1)]
# now need to tack on the lower 0s
startprodcoli <- sum1toi(i-1)+1
utprod$mat[startbi:(startbi+i-1)] <- prodcoli
return(utprod)
test <- function() {
utm1 <- ut(rbind(1:2,c(0,2)))
utm2 <- ut(rbind(3:2,c(0,1)))
utp <- utm1 %mut% utm2
print(utm1)
print(utm2)
print(utp)
utm1 <- ut(rbind(1:3,0:2,c(0,0,5)))
utm2 <- ut(rbind(4:2,0:2,c(0,0,1)))
utp <- utm1 %mut% utm2
print(utm1)
print(utm2)
print(utp)
test()
