1、R语言可以导出csv格式的文件供Excel使用，具体的使用方法首先打开RStudio软件：
2、先定义一个随机生成一个包含10个正态分布数据的向量，然后输出它，使用csv函数导出csv文件，函数中第一个参数为导出的变量名nx，第二个参数为导出的文件名称和路径：
3、接着按下windows＋E键打开资源管理器，双击打开生成的csv文件即在Excel中看到数据了：
数据挖掘的理论基础和R也没什么太大关系。如果明白方法了，用什么语言其实无所谓。不过R有几个包，可以提升效率和弥补R自身的不足，做大数据很有用。我就说说我每天要用的吧。bigmemory：R的内存管理太烂了，因为很少给程序员管理的权限，这样一来操作系统懒加上R也懒导致常常读入大数据时内存瞬间用完，导致这个R session被强制退出。解决办法就是把常用的大数据提前放在共享内存里。
Rmpi，snow，multicore: 平行运算/多运程运算。 Rmpi最好多看看，是mpi在R里面的实现。这是平行运算的黄金标准。如果你要做大数据的模型，高能运算是必须的。
Rcpp：R与C++的接口。自带的.C和.F也很有用。毕竟R是高等语言，太慢了，基本的方程还是要用低等语言写。如果做统计模型，会有很多inference，这时必须要用低等语言写Log likelihood的方程。
DEoptim，quadqrog，linprog等等线性非线性优化：优化是统计少不了的技术。R里面好的优化包不是太慢就是太烂，你可以用GNU scientific library自己写优化器，或者买一个第三方的比如说IBM。不过很贵哦，
ggplot：不多说了，就是美丽的图片。。。
不是R的：hadoop。近几年，这都是处理大数据的必需品了。
有了以上工具我相信任何数据和统计问题都能解决了，不会被R自身的缺陷而陷入技术瓶颈。
