前言

会写 R 代码之后，学习的难点往往变了。你已经能完成一次分析，却可能难以把它变成下一次还能使用、同事能够接手、结果可以解释的工作。数据换了一批，脚本就要重写；图表在自己的屏幕上很清楚，交出去却缺少上下文；一段代码没有报错，也不意味着它做对了事情。

《现代 R 进阶》关注的正是这段距离：从完成一次计算，到交付一份可以使用、检查和继续维护的成果。

为什么写这本书

工作坊很适合快速接触一个工具。完整的教材还需要解释工具之间的关系：为什么此时需要一个函数，何时应保留中间结果，为什么一个测试能发现问题，什么情况下应把交互图改成静态图。读者也需要机会在没有提示的情况下做出选择，再用结果检验自己的判断。

因此，本书以分析和交付任务为主线组织材料。posit::conf 的公开工作坊提供了许多现代 R 实践案例；经典教材和官方文档提供进一步理解概念的入口。来源不同的材料在这里需要共同回答一个问题：读完这一节，你能独立完成什么，又如何知道自己完成得足够好？

参考资料是学习的支撑。正文的解释、任务之间的衔接和练习的验收要求，仍然需要由本书自己承担。

本书主要写给已经掌握基础 R、希望提升实际分析与交付能力的读者。你可能是研究人员、数据分析师，也可能正在把个人脚本转变为团队可以复用的工作流程。

临床研究与制药领域的读者是另一类重点读者。除了通用的数据处理、图表和软件工程技能，你还需要关注数据来源、变量定义、输出检查及工作过程的可追溯性。本书为此提供一条专门的阅读路径，并在第四单元讨论临床报告与受监管环境。领域章节与前面的函数、测试和报告章节相互衔接。

本书不是零基础编程入门，也不替代统计方法教材或机构的具体操作流程。遇到这些问题时，阅读指南会帮助你找到需要回补的知识，而不是要求你从头读完所有材料。

每章从目标与前置自测开始，经过解释、示例和随堂检查，再进入三个层次的练习：先复现一个做法，再改变条件，最后独立完成任务。压轴项目要求你交付一个可检查的成果，并用评分量规说明它的完成程度。

读代码时，先预测结果，再运行。遇到故意出错的示例，先解释它为什么错。完成练习后，保留你作出的假设、检查结果和没有解决的问题。一个可以解释的失败，通常比一段无法解释的“成功运行”更有学习价值。

配套训练与正文分开维护，便于自学和授课使用。你可以先完成一个有数据、起始脚本和验收检查的训练，再回到相关章节补足理解。已有训练及尚待补充的内容会明确区分。

AI 可以协助解释代码、生成备选方案和扩展检查清单。它也可能让人跳过最需要练习的判断过程。本书因此保留明确的禁 AI 环节：先独立预测、设计或实现，再使用 AI 进行比较与复核。

判断学习是否发生，不是看代码生成得多快，而是看你能否解释输入和输出、识别错误，并在条件变化后修改方案。

目前正文包含四个单元、28 章。代码审核区分了可执行示例、故意错误、需要外部服务的示例以及依赖特定教学文件的片段；这些边界不会因为一本书拥有封面就自动消失。

本版建立独立的书籍入口、阅读指南、配套训练和多来源阅读地图。后续内容完善将优先补齐概念之间的解释、可复用的练习数据和参考解答，而不是单纯增加章节数量。发现内容或代码问题时，欢迎通过书籍仓库提出具体的复现信息。

2026 年 9 月