本次修訂版本距離上一次的修訂版已經五年了。在這五年之中，R 軟體版本從上次的 2.10.1 版演進到目前的 3.5.1 版，已經有許多的改進。例如，從 R 3.4.0 開始，使用者自訂函數的 JIT (Just in Time) byte-code 自動編譯與迴圈的加速，讓 R程式的執行速度加快很多。 　　這次的新版包含不少舊版勘誤、部分舊套件無法使用的替代方案、新範例的加入、新工具函數如mgsub、grepl 的介紹、F 檢定逐步迴歸的程式、dplyr + pipe 資料分析簡介、以及 ggplot2 套件極好用的分組繪圖功能介紹等等。 　　這五年之間，尤其是最近幾年人工智慧(AI) 的再一次竄紅，也讓某些程式語言或軟體成為不少人常用的資料分析工具。因此，這幾年間，在網路上經常看到「R 軟體是否已經落伍？」、「某語言是否比 R 適合資料分析？」等問題。 　　我個人的看法是，儘管有許多人幫忙吹噓，但是這一波AI 到目前為止目前仍然沒有「智慧」可言。某些程式語言雖然因為 AI 而竄紅，但多數人是用來作為 AI深層學習建模的工具，這樣的角色也可能因為越來越普遍化的「AI 自動建模軟體」出現而逐漸淡化。另一個逐漸浮出的疑慮是，這一波的 AI 是否因為再次吹噓過度又將泡沫化？如果是這樣，也可能讓攀附在 AI 浪潮的某些程式語言工具前途未定。 純就資料分析的角度來看，我個人仍然偏好 R 軟體。R 不僅擁有各領域資料分析超過 1 萬 2 千多個套件，從資料分析、數學公式與程式之間的直覺轉換、與演算法程式化的角度來看，R 語言的特性讓我們很容易地將理論演算法轉為程式，也讓許許多多的人們能夠寫出更多的套件與我們分享，讓我們不需要自己辛苦從頭打造各類應用程式。

本次修訂版本距離上一次的修訂版已經五年了。在這五年之中，R 軟體版本從上次的 2.10.1 版演進到目前的 3.5.1 版，已經有許多的改進。例如，從 R 3.4.0 開始，使用者自訂函數的 JIT (Just in Time) byte-code 自動編譯與迴圈的加速，讓 R程式的執行速度加快很多。 　　這次的新版包含不少舊版勘誤、部分舊套件無法使用的替代方案、新範例的加入、新工具函數如mgsub、grepl 的介紹、F 檢定逐步迴歸的程式、dplyr + pipe 資料分析簡介、以及 ggplot2 套件極好用的分組繪圖功能介紹等等。 　　這五年之間，尤其是最近幾年人工智慧(AI) 的再一次竄紅，也讓某些程式語言或軟體成為不少人常用的資料分析工具。因此，這幾年間，在網路上經常看到「R 軟體是否已經落伍？」、「某語言是否比 R 適合資料分析？」等問題。 　　我個人的看法是，儘管有許多人幫忙吹噓，但是這一波AI 到目前為止目前仍然沒有「智慧」可言。某些程式語言雖然因為 AI 而竄紅，但多數人是用來作為 AI深層學習建模的工具，這樣的角色也可能因為越來越普遍化的「AI 自動建模軟體」出現而逐漸淡化。另一個逐漸浮出的疑慮是，這一波的 AI 是否因為再次吹噓過度又將泡沫化？如果是這樣，也可能讓攀附在 AI 浪潮的某些程式語言工具前途未定。 純就資料分析的角度來看，我個人仍然偏好 R 軟體。R 不僅擁有各領域資料分析超過 1 萬 2 千多個套件，從資料分析、數學公式與程式之間的直覺轉換、與演算法程式化的角度來看，R 語言的特性讓我們很容易地將理論演算法轉為程式，也讓許許多多的人們能夠寫出更多的套件與我們分享，讓我們不需要自己辛苦從頭打造各類應用程式。 第 1 章　R 軟體簡介第 2 章　R 軟體操作方式第 3 章　R 軟體基本運算第 4 章　R 的變數與資料第 5 章　資料的輸入與輸出第 6 章　資料轉換與處理第 7 章　R 程式流程控制第 8 章　R 的自訂函數第 9 章　R 軟體的繪圖功能第 10 章　常用函數與程式技巧第 11 章　機率分配與統計模型第 12 章　機率計算第 13 章　基本敘述統計第 14 章　統計推論第 15 章　迴歸分析第 16 章　實驗設計第 17 章　品質管制第 18 章　時間數列第 19 章　資料探勘：決策樹