在自己电脑上装个R软件（下载地址；https://mirrors.ustc.edu.cn/CRAN/），也可以用Rstudio，就是IDE.
买本书系统学习R,先学习基础语法，跟着书敲代码；然后深入学习分类、回归、聚类等算法，也是跟着书敲代码。推荐你一本书《R语言实战》
其它R相关的书籍：
《语言核心技术手册（第2版）》
《R语言实战――机器学习与数据分析》
《数据科学 R语言实战》
资料：《Statistical Analysis of Network Data with R》
语言R常见的网络分析包：
网络分析研究大部分是描述性的工作。
网络的可视化 即是一门艺术，也是一门科学。
三元闭包体现了社会网络的“传递性”（transitivity），枚举所有节点三元组中构成三角形的比值来表征。
网络的可视化和数值特征化是网络分析的首要步骤之一。
网络可视化视图将数据的多个重要反面整合在一个图表中。
该节点在多大程度上会与同类型或者不同类型的其他节点进行匹配，可以通过一种相关性统计量（所谓的同配系数）进行量化。
将复杂系统中感兴趣的问题与合适的网络概括性度量匹配起来，是网络特征化方法起作用的关键所在。
网络中的频繁子图模式
网络聚类系数的分布,用来检验社会网路的聚集性上
sand安装包
网络数据统计分析 statistical analysis of network data
在CRAN上
G=（V,E）
节点 ：vertices 或者 nodes
边：edges 或者 links
节点数量：图的阶数 order
边的数量：图的规模 size
同构图 isomorphic
无向 undirected
有向 directed graph 或者 digraph
边：有向边 directed edges 或 弧 arcs
双向 mutual
小的图形用 formulate来创建
把mg转化为wg2
Zachary 空手道俱乐部网络 （karate club network）
数据集合实际上只存在两个社团，分别以教练为中心和以主管为中心。
Lazega律师网络可视化
srt() 不能用使用 upgrade_graph()d代替
DrL算法，针对大型网络可视化设计的布局算法。
节点的节点，即社区节点（主题节点）
即一个中心节点，一其直接相连的邻居，以及这些节点至今的边。
度值不同的节点以何种方式彼此连接
图的密度
全局聚类系数
局部聚类系数
互惠性 reciprocity
二元组普查
工具书：《XX年鉴》就可以查寻到历年的资料比如细分，历史年鉴，经济年鉴，统计年鉴，文艺年鉴，出版年鉴等
扩展资料
数据分析的核心是什么？
是业务。
通过业务的分析逻辑映射到数据分析的处理逻辑，而数据分析的工具则是帮我们实现结果的手段，在不同业务场景中都是通用的，所以我觉得有必要给大家推荐一下这篇硬核文章。
一、《深入浅出统计学》
网评说文科生都能看懂~如果你已经打算开始学习数据分析，统计学的知识必不可少，这本书浅显易懂，但知识点全面，包含了数据分析日常工作中，常用的技能点：统计量与概率分布、总体与样本、置信区间、假设检验、回归分析等等。
二、《R语言实战》
如果要用R语言做数据分析，建议读完我上期推荐的那本《深入浅出数据分析》之后，就开始读这本。从工具的安装，到具体分析方法在R语言中的实现，讲解详细，可操作性极强，是一本非常值得读的数据分析书。
三、《利用Python进行数据分析》
这本书的经典不用多说，稍有了解的人必然被推荐过。最经典的数据分析书之一。各种数据库的介绍详细全面，适合数据分析师进阶之前阅读，可以应对绝大多数的传统企业数据分析需要。
四、《数据科学实战》
这本书被誉为是“数据分析和机器学习间的桥梁”，对于做了一段时间数据分析工作的人，这无疑是进阶更高维度的好书，很难有一本书，能够让你从简单的数据分析平滑地过渡到机器学习和数据挖掘，这本书我认为是这方面做的最好的一本。
五、《数据可视化》
国内第一本数据可视化教材，如果你学习数据可视化，这本书正是刚需！是数据可视化的入门书籍，系统介绍了可视化的相关概念和常识，教材相对于工具书更为难读，但却能为你增长不少对可视化的认知。
六、《数据可视化之美》
这本书详细展示了可视化所能实现的功能以及如何使用它来改变世界。为此，请到了20多位可视化专家，他们从艺术家、设计师、评论家，到科学家、分析师、统计学家等等等等，细致的介绍了他们如何在各自领域内利用可视化进行工作。
七、《数据挖掘导论》
最近几年数据挖掘教材中，比较好的一本书，被美国诸多大学的数据挖掘课作为教材，因为个人觉得这本书对于初学者来说不太易读，所以放在最后，难度：中上。
以上，推荐的书籍都可以当成工具书来使用，不管你是初学者还是进阶者，都是可以反复阅读的，小封希望能够在你学习数据分析的道路上有所帮助。
