我也曾經是一個只做實驗的生物學學生，但現在已經能夠比較熟練地應用R語言完成自己需要的分析、實現想要實現的功能了。

起步的話，其實R就自帶手把手入門教程：swirl。想要使用也非常簡單，裝好R和R Studio（只裝R不用R Studio也是沒問題的，只不過R Studio提供了非常友好的介面，可以提高程式設計效率）之後，在命令列中輸入install.packages("swirl")，即可快速安裝swirl。

安裝完成後，再輸入library(swirl)載入swirl，載入成功後，輸入swirl()，就可以根據提示來一步步學習R語言的基本規則了。

學完了swirl的基本課程，你就會對R的基本操作有所瞭解了。此時，就可以讀入自己的資料，試著用各種函式對你的資料進行練習了。

我個人認為，對著一兩本書從頭看到尾對於提高程式設計能力的幫助比較有限。反而，我覺得學習程式語言最重要的一點就在於勤動手，所以如果能找到一個學習案例，自己對著改一改引數、練一練演算法，會對理解和掌握程式語言有極大的幫助。

如果只是要分析資料而對於掌握程式設計原理沒有太大要求的話，R裡提供了非常豐富的輯程包（packages），通常來說，對於生物學裡的許多分析，都可以找到專門的package進行相應分析，需要用什麼函式，只需要在閱讀一下函式的幫助文件，然後按照格式輸入引數就可以了。以進行線性迴歸計算的lm函式為例，基本的函式就是lm()，你需要做的基本操作就是在formula中輸入公式和在data中輸入資料表就可以了。假設我們有一個表格table，包含兩列，分別是y和x，如果你想做一元線性迴歸，用最小二乘法求這兩列數計算所得的迴歸線的斜率和截距，那麼只要輸入公式y~x，指明data為table就可以了：

這是最基本的操作，如果想要做多元線性迴歸，只需要y~x1+x2+...（x1、x2為列名）就可以，具體的可以詳細讀formula的幫助。其他的引數設定，比如如何處理缺失值（na.action），也都寫在幫助中了，只需要詳細讀Arguments這一欄就好啦。實在不懂，可以在網上搜相關的例子，具體看看別人是如何操作的。不過當然，還是自己動手最重要！

千萬別被“程式設計”兩個字嚇到，R中的函式跟圖形介面的分析軟體的按鍵其實沒有本質上的差別，只不過後者只需要用滑鼠點點，而前者需要手動寫入引數而已。建議題主拿出一兩天甚至只是一個下午的時間，親手在R中敲幾個函式練習一下，掌握了R的基本操作，後續也就會越走越輕鬆了。

祝好運~

很簡單，keep your hands dirty。不要看書，直接上手實操。

先去datacamp學，邊看影片邊做題。在這個過程中，你會配好環境，學習基本語法。也會做一些小的專案。

然後可以上coursera的data science課程，起碼學會github加rstudio版本管理，函數語言程式設計，以及knitr與可重複研究。最好學著自己寫一個程式包。

這時候趁熱打鐵，就可以把這些東西用在自己的專案裡了。最好試著按程式設計師的要求來要求自己，堅持做版本管理、文件管理和程式碼模組化、單元測試，而不要只滿足於用批處理指令碼處理眼下的問題。試著用這些思路完成一個格式化報告，能增強你的信心。如果你學業完成的同時，把主要工作轉化為一個程式包，共享給學術社群，那將是非常大的收穫。

這時候你再去讀The art of R programming, Advanced R這些書，就很容易真正入門了。

入門以後再關注一些前沿的發展，學個python和spark之類的，就能進入更廣闊的領域。作為一個數據科學家，基本的技能集就已經建立起來了，正確的方法框架和工作習慣也都能同時建立起來。