先学r还是python高级_医学生零基础学生信是先学Python还是先学R语言？

为什么而学？

做一件事，学一门语言，到底为什么而学，搞清楚目的再谈学习什么语言，因为要去医院实习的缘故，认识很多医学生想要学习生信。我常常会先和他们聊一聊什么是生信，为什么学，我希望在开始学习之前大家也能问自己两个问题。我学习编程语言是不是跟风，有没有明确的目的

如果你有明确的目的，那学习编程语言是为了转行还是为了更好的服务于自己的科研

其实我并不在意你因为什么而学习编程，只是为了发文章可以，能够画出更好的图亦可，想要换一个行业也没有问题。条条大路通罗马，何不选择最简单便捷的一条。无论从哪个方面来讲，尤其是你没有任何的编程基础情况下，尤其是你的学习时间并不充裕的时间下(医学生的时间总是那么的宝贵)，入门生信的第一门语言绝对是R，如果你不止是为了科研绘图、不止是为了水一篇文章亦或者你有其他的想法想要接触更多，我也不会让你在Python学习的道路上走太多的歧路。

为什么是R？R在绘图中具有独到的优势：箱线、条形、散点、密度手到擒来，配色、图例、标签应有尽有。

常用的数据类型dataframe接近excel更加便于理解

统计出身的R在数据分析中可以灵活处理各种数据分析问题，尤其是数理统计

当然R的重要性是不言而喻的，关键就在于怎么来学习R语言。

关于R语言学习技能路径：

基础技能入门：安装加载包、数据结构、变量类型(str)、数据导入/导出(read)、数据筛选数据(filter/select)、合(merge)、匹配(match)、追加(mutate)、长宽转换(reshape)、数据索引(index)、循环(while.for)、判断(if)、排序(sort/rank)、缺失值(is.na)、正则

这一部分我推荐你看一些书籍，直接对着书上面进行基本技能练习，在这个过程中head、str、help函数的使用频率>=1000次是极佳的。哪一本都可以，比如这一本的第二版前三章：

这个时候你的基础已经初步具备了，下面咱们就要开始做数据分析了。R做数据分析有些人比较喜欢用r-base(基础版本)，当然我个人比较倾向于tidyverse(可以理解为加长升级版本)。使用前需要先安装然后加载他(安装就像你买了回来，加载表示你要用他了)。你以为这些就可以直接画图了吗？各种脏数据扑面而来，60%的时候就花费在了数据预处理上，我们看一下数据处理的流程。

第一步：数据预处理：

下面就开始第一步了，这里推荐完成 R语言数据处理120题 一定不要复制粘贴，一个一个敲起来。优秀的预处理能力是你的数据分析中的锋利的宝剑。尤其是在缺失值、异常值离群点、冗余数据的处理技巧上。

第二步：数据可视化

做数据可视化的过程中会涉及一些统计的知识，那么下面的一些统计基础就派上了用场。

如果是医学生，恰好有一本深得人心的医学统计书籍。

我自己也在着手更新：

其实什么类型的数据画什么图都是很有讲究的

至于画图的细节每一种类型的图都需要详细进行讲解，我的ggplot2科研绘图篇也即将开始更新了，可以和小柯一起学画图。先来张看一看效果~

赶着学习的可以多看看书，专门挑ggplot2画图这一节即可，理解底层画图逻辑(像PS的图层)。看视频虽然也讲的很清晰，但是最好还是查漏补缺用。

关于R语言学习的一些疑虑

1、没有编程基础怎么办

R是我学习的第一门正式学习的编程语言，零基础也可以学会，达成目的即可，有时候只是为了画图而已，坚持一切编程都是纸老虎(怕就永远都不会)。

2、前面的学习路径还是不是很清晰，能不能简单再顺一下R语言实战前三章

数据处理120题

基本图形+统计学了解

ggplot2科研绘图

3、学习路径太慢，可不可以直接开始科研绘图

亦可，边学边整理数据处理和统计相关知识，但是前面的基础技能还是需要看完，后期需要大量项目来进行补足，题海战术在语言学习中依然适用。你是不是想和我说没有办法实战怎么办？我……好人做到底，论文中的图片哪里来，R绘图来，数据哪里来，论文里面来(拿起论文-下载数据-开始画图)。

我想学习python可不可以，有没有什么建议？

亦可，python的学习路径我在之前的文章写过，粘贴过来

关于python学习，我不推荐一开始就看太难的书籍，编程语言也很容易劝退，也不希望你只是在单纯的记忆理论，因为那样并没有太大的效果，我个人觉得还是从实战出发：

推荐一本入门的书籍：

理解这本书大约半个月左右的时间，并不会太耽误你的时间。看这本书实战的同时我还希望你做一些很通用的小项目，先在实验楼上进行学习，可以验证你的答案是否正确，这在初期是非常重要的，你一定要能够明确知道你做的是否正确：精选项目课程_IT热门课程_蓝桥课程 - 蓝桥​www.lanqiao.cn​www.lanqiao.cn​www.lanqiao.cn

有一定的基础之后，也许你已经摩肩擦掌准备迎战了，这个时候的你需要有一个大神带带你，一个人闷头苦干虽然很英雄，但我并不认为这样的英雄主义可以提高你的效率，开始入手github吧，如果你对github不算很熟悉，我恰恰写了一篇github的文章:自学生信之番外篇：一键解锁github 希望能够有所帮助

github上面的python100天的项目我本人极为推崇。它可能不是最好的，但是对于初学者是比较适合的，有人带你学习是一件非常幸福的事情。先放一下github的链接。

也许你会觉得有点难，突然觉得自己好婆妈，没有关系，作者把前面入门的15天重新做了一个50天练习的项目。

我希望你能够着重注意一下正则表达式的应用(生信中你将经常用到他们): 正则表达式30分钟入门教程

这里我特意提及Numpy、Pandas、Matplotlib这三个库，着实是因为他们很重要。

Numpy：利用Python科学计算的基础包，对Numpy的掌握将会帮助你有效地使用Pandas等

Pandas：结构和操作工具，能够使Python数据分析更加快速和容易

Matplotlib和seaborn：Python可视化库。散点图、箱线图、小提琴图等都是手到擒来。

如果你能坚持走几年生物信息的道路，我想未来在生物信息学领域的深度学习会大量运用的，这几个库的熟练应用会给你一些助力，如若有机会你自己也可以尝试实现一些数据挖掘的算法，解锁一些你对于python的期待：数据挖掘18大算法实现以及其他相关经典DM算法一点建议：我不是很希望你看大部头的视频，我希望那些是你在遇到一些问题无法解决时用来查漏补缺的，我看过很多的pyhon学习视频，大多大而全，即便可以坚持，却容易陷入耗时久远而无法解决问题的困境，没错，我在这样的循环中用了一年多才醒悟。走错的路不希望其他人重走自己的路，仅此而已

R和python的学习方法都给你了，开不开始就看了你啦~还是那句话，一切编程语言都是纸老虎(怕你就永远学不会)。