學習新知識的過程總是痛苦和逆人性的，古往今來皆是如此，否則也不會有十年寒窗苦讀一說。
相信此刻看這篇文章的你，經歷的寒窗絕對不止十年。
從小學開始算起到大學畢業，絕大多數人起碼經歷了16年（跳級的神童與學霸除外），讀完碩士那就是19年，如果再繼續讀個博士再加三年（如果你足夠幸運能夠如期畢業的話）。
與十幾年寒窗苦讀所經歷的煎熬相比，學習一門新編程語言就算是相當容易了，你所需要花費的時間僅有前者的十分之一不到，而且也無需昂貴的學費。
在《異類》這本書中，馬爾科姆.格拉德威爾提出了一萬小時定律：想要在任一領域成為專家，都需要通過10000小時的積累。一萬小時是什么概念呢，假如你每天持續學習3小時整年不間斷的話，你需要持續學習9年。當然我們大多數人不必成為專家，我們更多的是要掌握一門技能，能夠作為學術研究或職場工作的趁手工具，能熟練主要語法，不耽擱研究或工作進度，掌握解決問題的方法即可。我在學習R語言階段僅用了6個月左右的時間（我指的是無死角的系統學習，case by case的解決問題不算），累計500小時，不足一萬小時的1/100，也足以應付畢業論文、以及日常工作應用了。
可為什么還是有很多人覺得編程語言那么難學呢。究竟應該學些什么、具體怎么學、有沒有捷徑呢？
我復盤了自己3年前學習R語言的經驗，結合給部分網友提供問題咨詢以及學習建議的經歷，給出自己的答案。
一萬小時定律是對成為專家的極為苛刻的要求，它本身是有價值的，但是有一些潛在假設。即你所花費的每一小時都是有效率的，至少不是在原地踏步或者把時間浪費在無關緊要的細枝末節上。為此你需要有明確的學習目標、要有專注和高質量的學習時間投入、要有實時的激勵與反饋系統、要能階段性的突破舒適區，及時踏入更有挑戰性的學習區間。
簡單來說就是要刻意練習，而非低水平重復。這也是《刻意練習》這種書中作者安德斯?艾利克森博士所強調的刻意學習法則。該法則適用于絕大多數需要投入大量時間才能熟練掌握的技能領域。
為什么你覺得R語言難學？
首先來說說為什么有很多人會覺得學R語言很難。我猜大部分覺得學起來很難的同學，應該都是文史社科類專業。這些專業所使用的研究方法以定性研究居多，對數學、統計、計算機與編程等知識幾乎是絕緣的（當然財經與管理類專業應該會接觸一些比較淺顯的數學與統計學課程，但是編程這一塊兒也近乎空白）。
專業背景導致與編程知識絕緣，這是造成你對R語言恐懼的頭號大敵（不要問我怎么知道的，因為我也是文科生）。
專業背景造成的恐懼感簡直貽害無窮，它讓你相信編程就不應該出現在你的生命里、你是屬于那種不適合也不可能學會編程的人，那是屬于計算機專業才有的特權、讓你誤以為即便要學習這個也沒有理工科有編程基礎的人學的好。
曾經聽到過一句特別有感觸的話：我一個文科生為啥要學習編程，我以后又不當碼農。
專業背景導致專業課程范圍狹窄，無形中構筑了一度墻，讓你與編程絕緣。
專業背景構筑的藩籬使得你將自己定位成一個不適合、不可能、學不會、學不精、學了沒用的人。
專業背景甚至無形中構筑了你未來的職業圍墻，讓你直接對編程敬而遠之。（文科生就應該去做不和數字打交道、不和代碼打交道的工作，計算機和理工專業才應該去學編程、去當程序員）
如今已經21世紀了，人工智能已經越來越多的應用于改造我們的生活與工作，AI與人類競爭工作崗位的趨勢越演越烈，那些存在高度重復性、流程性的工作領域或者環節，是極有可能被計算機替代的，而編程是推動這一趨勢的推動力。這個世界變化的速度讓你我難以想象，而專業背景，那是工業革命時代用來輸出熟練工人、發揮分工與專業化的優勢而設立的學科制度，如今卻成為了束縛學生們職業生涯最苛刻的天花板，但它在互聯網與大數據時代，脆弱的不堪一擊。如果你停留在專業背景給你創造的保護傘下，刻意逃避、疏遠、畏懼編程的話，你與這個時代的腳步將會愈行愈遠。
這里我想表達的不是人人都應該成為程序員，都應該以編程為生，而是你要打心底改變一個觀念：編程像你學過的任何一門學科一樣，它是一種工具，并不神秘；編程一點兒也不難學，只要想學就可以學會，與專業背景無關。
學習R語言的二號大敵是學習方法，不科學的學習方法就算讓你學上一萬小時，你也大概率成不了這方面的專家，甚至只是學了一些零零散散的知識皮毛，一直在原地踏步，低水平重復。我遇到過一些提問者，簡單聊過幾句，看過他們的問題與困惑之后，就大概知道它的問題出在哪里了。
有的人之前完全沒有接觸過R語言，僅僅是因為導師要求或者專業論文必須，在沒有任何基礎的情況下，就開始copy網絡上或者相關文獻上收錄的有一定難度的代碼（比如一些爬蟲類的、算法類的），這樣問題自然就層出不窮。雖然說這種“干中學”的方式也不失為一種快速上手的方法，但是成本極高、效果極差。
具體來說，你遇到的很多問題，本應是入門基礎書中的常規內容，當你在沒有系統學習入門書就直接上手復制代碼時，需要借助網絡、參考書、甚至身邊你能接觸到的人一個問題一個問題的咨詢，因為你不知道之后還會遇到多少問題，所以這種外部求助的方式接下來也不知道還需要浪費你多少時間。其次，這些本應屬于入門級的簡單問題，任何一個都能阻斷你的研究進程，你會苦惱、煩躁，會對R失去興趣甚至產生厭惡，更有甚者，會懷疑自己的智商。
這些困擾或者讓你煩躁的問題，你甚至僅需哪怕一周左右的時間系統的看過任何一本R語言基礎書，那么幾乎半數以上都可以迎刃而解，而且你還能節省下來大量精力用在研究上，可你偏偏試圖走捷徑，結果走了一條世界上最難走的路。
- 急于求成讓你棄正求邪
- 捷徑帶來自食惡果，進而苦惱、煩躁、厭惡、甚至自我懷疑
然后你徹底棄療了，從此與R語言說拜拜，堅定而果斷，頭都不回一下。
為什么我會有如此真切的感受呢，因為這確實就是我自己曾經走過的路哇，當然我自己跳出來了，但是仍然還有很多同學在重復著這條路。
為什么要學習R語言？
這個問題涉及到學習R語言的動機，也是前面提到的刻意學習原則第一步。為什么要先制定學習目標呢，原因很簡單，如果你不能量化它，你就不能掌握它，這是目標管理中非常重要的一條規則。如果沒有目標，學習過程就容易變成無頭蒼蠅到處亂撞、淺嘗輒止。你能一路扛過高考并不是因為你是天才，而是因為有高考分數線在約束著你，讓你神經時刻緊繃，不敢懈怠；你能挺過大學畢業、研究生畢業，也是因為有賺學分、拿學歷、找工作、發期刊這些目標在時刻提醒與督促著你，讓你不敢肆意妄為、惶惶度日嗎。
試想一下，你說你要學好R語言，但是為什么要學，你說不清楚，所以你沒有壓力和約束，也不知道學多久、學到什么水平算好，所以你沒有規劃、行動上拖沓與懶散、沒有懲罰措施，你覺得即便放棄了也不會對你造成太大損失，所以你很難學好。
我來說說當時我自己的學習動機吧。
起初是為了畫好圖表，因為平時學術研究以及實習都需要畫很多圖，之前只會使用Excel畫圖，畫的不僅丑而且能支持的圖表非常有限，于是在網絡上了解到R語言是數據可視化非常專業的工具，但是需要先學會編程。
再后來要寫畢業論文，其中涉及到非常復雜的數目模型和數據處理工作，如果只用Excel來處理，沒有辦法保留計算過程，后期驗證起來非常麻煩，這也算是我學習R語言的一個動機。
再后來面臨著求職，當時了解了各個行業不同類型的工作崗位，不想受專業背景限制，想進入互聯網行業從事數據分相關析工作，而R語言是這類位的必要技能之一。
實習期間畫圖、畢業論文處理數據、求職技能需要成了我最初堅定學習R語言的三個動機。
但我自己是一個只要投入時間學一樣東西，就一定要學成體系的那種執著性格，不會滿足于蜻蜓點水。所以我當時給自己制定了明確的目標和學習計劃。
目標：
- 要能夠熟悉全套的基礎語法并能熟練運用；
- 要熟練掌握其中數據可視化模塊并能靈活自如的運用；
- 要能夠經得起實習期間的畫圖需求、畢業論文數據處理需要的考驗
- 要能夠經得起面試官考核（雖然不一定會考你代碼，但是你熟練了至少有底氣無所懼）
所以我從頭到尾看完并敲完了《R語言實戰》這本入門級參考書的代碼，然后又陸續看完《ggplot2：數據分析與圖形藝術》、《R語言可視化手冊》這兩本可視化方向的進階書。那段時間剛好處于研二階段，專業課很少、實習是自由安排時間（按日計薪的），所以我有大量時間可以用于看書與敲代碼。
但是我依然覺得自己每日時間無法保障、計劃容易中斷，很多東西學完就忘。
后來我開通了一個微信公眾號，每天恪守學習將近3小時時間，把自己每天的學習內容整理成筆記發在公眾號上，累計寫了350+篇R語言相關的原創文章。這種措施極其有效，成為了學習時間保障、效果保障的主要推動力。
實習期間接觸的項目報告涉及大量繪圖工作，我跟老板提議可否用R語言來處理，效果更好、效率也更高，而且很容易復用。當時我還心里沒底兒畢竟剛學，但是先把話撂那兒萬一搞不出來豈不打臉，這樣學習的動力和約束就更強了，我實習期間在寢室里加班搞工作，事實證明這種倒逼機制相當成功，不僅項目效果圖非常棒，而且自我提升相當明顯。
周末或者節假日空閑時間，我就自己在網絡上找數據，因為如果一直用書本里面案例數據，相當于一直在咀嚼舊知識，沒有挑戰性就不會有新認知和收獲。
畢業論文寫作過程中咬著牙把整個數據處理流程全部使用R語言完成，一共寫了近1000+行的代碼。
直到此刻才覺得對R語言知識的掌握逐漸系統化、體系化，也算是入門了，這段時間一共用了半年，500小時左右。
公眾號推送起初只是為了記錄學習過程、逼迫自己通過高頻輸出來建立牢固的知識體系，但是后期本身也成了我學習R語言的目標之一，因為只有不停往前學才能有更多的干貨產生。
所以總結一下，我的學習動機和目標大致可以分類以下幾點：
- 要把語法熟練到能夠在實習過程中獨自承擔項目中的一個模塊任務，并且高效的產出優質可視化報告，并得到領導認可；
- 語法要熟練到能夠得心應手的處理畢業論文需要的微觀面板數據及其畫圖工作；
- 要把語法熟練到能夠胸有成竹的在求職簡歷上寫精通R語言，并且能夠經得起拷問、經得起白紙上手撕代碼（雖然最后也沒讓我寫代碼，只是略微問幾句，但是畢竟表情上可以表現的氣定神閑）
- 公眾號要每日更新，所以每天要保證有三個小時的學習時間，鞏固舊知識的同時，學習新知識。
坦白說，如果嚴格按照目標量化原則來評估，以上所列目標很難稱得上是可量化的，具體學多少才能算得上精通、經得起拷問，心里其實是沒底兒的，但是起碼你有了一個粗略版的目標可對照。我把網上能找到的博客、書上能顯示的案例全都實踐了一個遍。
R語言具體要怎么學?
刻意學習原則指出，科學有效的學習方法需要你有明確的學習目標、有專注和高質量的學習時間投入、要有實時的激勵與反饋系統、要能階段性的突破舒適區，及時進入更有挑戰性的學習區間。
關于學習目標上一個話題我已經詳細闡述了，接下來我就講講關于后面三個：專注和高質量的學習時間投入、實時的激勵與反饋系統、階段性的突破舒適區。
1）專注和高質量的學習時間投入
因為是在研二期間學的，所以每天騰出3小時學習是綽綽有余的，但是實踐證明，如果你心不在焉的話，每天就算學習10小時那也無濟于事。我屬于那種注意力特別容易被周邊事物分散的人，任何風吹草動都能把我的注意力帶跑。
怎么辦呢，那就選擇周邊學習環境，我會選教學樓最底層的階梯教室，一般這種教室都很大很空，除了有課之外很少人去，而且夏天很熱冬天很冷。對我就要這種感覺，周邊人越少我越能集中注意力。周末或者節假日我就在宿舍或者圖書館里學，晚上12點以后室友都睡了我就一個人開著燈再看一會兒，凌晨的時候學習效率特別高。
當時因為計劃未來職業轉行，所以沒有像很多同學一樣去考注會、司考、注稅之類的證書，學院里的公共活動和社團、講座活動我很少參與（暴露了學渣本質），這為我學習R語言擠出了大量可用時間。
后來工作后逐步開始閱讀關于學習方法之類的書籍，其中《心流》《自控力》《深度工作》《刻意學習》《復盤》這幾本書，我印象特別深刻，強烈推薦，都是講讓你如何快速集中注意力，保持高質量的學習時間，才明白當初在學校的時候已經有意無意的使用了這些學習方法。
2）有實時的激勵與反饋系統
只顧著學，沒有反饋與激勵是極其糟糕的，很容易讓你陷入學了沒用的自我懷疑中。所以我找到了幾種反饋方式：
隨著推送的原創內容日益增多，騰訊給我的公眾號陸續開通了原創保護功能、打賞功能。這意味著你提供的原創內容價值凸顯，你可以獲得用戶打賞，這算是物質激勵了吧。
隨著公眾號積累的用戶越來越多，內容被轉載和授權發布的平臺越來越廣，我接到了很多廣告主的廣告投放邀請（這意味著你的公眾號內容價值和用戶價值得到了廣告商的認可，具備了一定的商業變現能力，雖然我一篇廣告都沒有接受，畢竟情懷還是要有，廣告費也不算特別多，不能向金錢低頭）。
隨著公眾號名氣的增大，我拿到了大數據培訓機構的課程開發合作邀請，對方認可了我的內容價值及技能水平，認為我可以嘗試著在平臺上提供系統的教學課程，這樣既可以補充他們在這塊兒內容領域的缺口，增大影響力，自己也可以拿到一些副業收入。
再后來我在知乎上開通了專欄，并同時接私人訂單，都是可視化設計相關的，點對點定制服務，直接談價格。
在學校期間，我幫助學弟學妹們輔導論文中需要用到R語言的數據模型處理，能夠用自己所學幫到別人，這是很有成就感的事情。
在公眾號后臺以及知乎主頁，我回答、提供相關咨詢服務不下100+次，無論是否有物質回報，能夠解決別人棘手的問題，感覺都非常棒。
因為公眾號的影響力擴散，我認識了好多同樣對可視化感興趣的小伙伴兒，我們平時經常在一起討論問題，也相互分享關于可視化領域的一些見解以及技術趨勢，這是學習R語言給我帶來的最棒的資源。
以上激勵與反饋中，主要有以下三類：
物質上的激勵：打賞、廣告、課程費用、咨詢費、付費定制。
精神上的激勵：指導別人處理模型、給別人提供問題咨詢。
人脈上的激勵：認識了一些志同道合的朋友，有很多本身就是從事互聯網行業，為我未來的職業發展堅定了基礎。
3）階段性的突破舒適區
學習如逆水行舟，不進則退，學習編程也是。
如果你天天就揪著那些書本上的案例和代碼不放，一遍一遍的重復敲，那你就算把那些代碼倒背如流也不見得能夠得心應手的應用。畢竟實際應用場景是復雜而多變的，需要你隨機應變，靈活應對。
對于突破舒適區，我當初也深有感觸。
筑基階段
當敲完第一本《R語言實戰》的代碼時，我當時甚至就覺得自己已經精通了，因為我看到那些代碼都認識，閉上眼睛都能想起來下一句代碼是啥，那時候我才開始學一個月。可是現實啪啪打臉，只要我換一個新的小項目或者課題，就有強烈的不適感，很多代碼似曾相識但是就是寫不出來。每寫一句都要翻書找代碼或者到網上搜，當時感到特別沮喪。
后來我把之前學過的內容梳理了一個框架，然后丟掉了那本書，遇到困難就開始按圖索驥的去找。
每周我會統計一下哪個模塊那個知識點需要搜代碼的次數最高，做一個頻率統計。等到周末的時候，我會把那些被搜索次數最多的模塊逐一再練習一遍，這樣過了不到兩個月，我覺得好像很少再出現基礎知識突然遺忘這種情況了。
突破階段：
只是把基礎知識學熟練了，好像也就那么回事兒，我感覺又到了一個瓶頸期，于是我嘗試著去做一些閉環性質的分析任務：比如去網絡上抓取各類文化遺產的數據、核心期刊地域分布的數據、招聘網站的招聘信息數據、在線教育網站的在線課程數據、各省GDP的數據等公開數據，這樣可以把數據抓取、數據清洗、數據分析、數據可視化等技能模塊兒串聯起來，形成項目閉環，鍛煉自己在數據分析上的閉環能力。
為了把自己的可視化能力再突破一層，我把ggplot2這個包的英文源文檔反反復復的看了很多遍，每一個圖層函數的應用場景、參數說明都牢記于心，我還看了幾本版式設計、字體理論、色彩搭配方面的專業參考書（其中《寫給大家看的設計書》這本印象非常深刻，強烈推薦）來輔助自己提升視角設計水平。
我看了echarts官網所有的可視化組件效果圖，并且所有的圖表都嘗試用ggplot2包重新實現，我把網易數讀欄目中所有難度最高的圖表全都用R語言臨摹了一個遍。除此之外，我還調研了很多國際知名財經周刊《商業周刊》《華爾金日報》《經濟學人》以及知名咨詢公司《貝恩》《羅蘭貝格》《尼爾森》的大量圖表，總結提煉他們的視覺風格。
為了寫出更加優雅的代碼，我閱讀了很多R語言高階編程指南（《R語言編程指南-任坤版》強烈推薦這本），還硬著頭皮閱讀一些比較知名包的項目源碼，從中學習模塊化、面向對象編程的知識，并給自己的每一個項目都制作項目模板，規范代碼書寫以及代碼風格，這樣你的代碼質量會更高，更易于維護。
輸出階段：
我接受了一個培訓結構的課程合作，把自己學過的課程化知識整理成一門課程體系，算是對過往學習的階段性總結。
我開始接付費定制，掙了一些零花錢，雖然不多但是對于一個未出校門的學生足以大大改善生活。
后來入職以后，我把自己在空間可視化方面積累的技能悉數沉淀成部門技術文檔，也用在了平時多個分析項目結果呈現中。
為了保持自己對這些技能的熟練度，即便工作以后練習的相對少了，每月我還是會單獨抽出幾個小時的時間看看過往的代碼，練習一些新的知識，如果曾經付出過巨大努力而收獲的技能，僅僅因為使用場景變少了而被荒廢那就太可惜了。
總而言之，學以致用，穩步提升對于突破技能學習的舒適區，進入更高階的學習區間非常重要。可能每個人的進階方式不同，但是進階的步驟不容忽視，否則會面臨著止步不前。
R語言學習具體要學些什么？
這是一個沒有標準答案的問題，我只能根據自己的經驗來勉強回答，可能每個人給出的答案都會略有不同，跟各自的專業/職業背景有關，但是其中必定存在一個最大公約數，或者說是交集。在產品研發領域有一個專業名詞叫做“MVP”，大意是說做產品不能求大而全，要先做一個最小化可用版本，先滿足用戶最基本需求，搶先占領市場，之后再根據用戶反饋，快速迭代，站穩腳跟，市場瞬息萬變，機會稍縱即逝。
對標到R語言的學習，我們每個人也都需要一個自己的內容“MVP”，我的MVP是這樣的。
基礎語法
導入導出：黏貼板導入、txt、csv、xlsx、sql等數據導入導出
數據結構：向量（vector）、矩陣（matrix）、數組（array）、數據框（data.frame）、列表（list）
基礎函數： 循環語句（for/while）、判斷語句（if else） 自定義函數（function）
實踐應用
數據抓取：RCurl、rvest、httr、XML、xml2
數據清洗：plyr、tidyr、lubridate、dplyr、jsonlite、rlist、%>%
文本分析：stringr、jiebaR、wordclound2、topicmodels、RTextTools
數據可視化：ggplot2、shiny、rmarkdown、leaflet、ggmap、sf、sp、rgdal
如果你能按照以上所列用心搞懂每一個包的核心函數用法，并且能夠鍥而不舍的保持高頻練習、階段性總結與復盤、階段性突破，那么熟練掌握R語言并非什么難事。
當然每個人都應該擁有自己的學習路線和風格，不必強求千篇一律的模式，只要你時刻牢記學習目標、投入高質量的學習時間、構造合適的激勵與反饋系統，最后在適當的時機勇敢突破舒適區，走進更高階的學習區間。時間會證明一切，你不需要一萬小時就可以成為高手。
學習R語言能給你帶來什么？
這個問題就更千人千面了，曾經也有非常多的人問過我，我說說我的看法。
比較顯性的，因為學習了R語言，我實習期間表現還不錯、論文數據處理還算順利、畢業offer拿的也還算順利（雖然這個可能相關性不大），這意味著轉行成功，進入了高速發展的互聯網行業， 成為了一名數據分析師，這也是之前給自己制定的目標。
認識了很多志同道合的朋友，有研究前端、開發產品、數據可視化等專業科班出身，這意味著我身邊有很多權威人士，當自己遇到問題再也不愁解決了。
切實的給自己帶來了物質回報，雖然不算太多，但是畢竟自己種的瓜吃起來還是很甜的，雖然要看天吃飯。
開始入門編程的那一刻，由于專業背景帶給自己的觀念束縛就開始松動了，我發現自己走進了一個新的世界，越往前走，風景越好，我終于開始理解中學時代那句鄧爺爺說過的話——科學技術是第一生產力這句話不是空話，是真的。
再后來但凡遇到可重復性的工作，我都先嘗試使用編程的手段來解決，特別是工作以后，這對我的工作效率有了大大提高。我發現自己面對未知和不確定性的能力增強了，心態也更加坦然了。用了同樣的學習方法，之后我又陸續學習了Python、SQL語言，這要放在2年前那是不敢想象的。
你會發現只要你使用科學的方法去學習，專業背景給你造成的限制根本奈何不了你，它就是只紙老虎，你拳頭一出它就慫了，可就怕你先慫。理工科和計算機的同學，它們也會面臨著新語言學習的困難，如果方法運用不當的話，也會困難重重，處處碰壁。
不要因為專業背景而禁錮你的技能樹，那樣你會失去很多人生中的重要機會。
作者簡介：
公眾號《數據小魔方》，300+原創R語言學習筆記與方法心得，涵蓋R語言基礎、數據可視化、網絡爬蟲、數據分析與算法等，記錄一個文科生如何突破專業背景，轉行數據分析的經歷。
