与其说你的语言表bai达能力差，倒不如说你是du缺乏自信．你之所以在面对陌zhi生人的dao时候无法正确完整地表达你所想向其表达的讯息，突然变得语无伦次起来，很大程度上是因为你担心出差错，害怕出丑．但是这很正常．如果你想在与陌生人交谈时能够很好地表达出自己的话语，首先需要做的就是树立你的自信心！！拥有较好的语言能力的人一定非常自信，你首先就需要培养自信．当然啦，在和陌生人说话的时候脸皮可以厚些，不要担心自己出错，别人一定不会介意．你想想：别人对我们自己说错话的时候我们也并不觉得怎样吧？所以，防开去说吧！！可以用寒暄来打开局面，进而更深地交谈．久而久之你就会惊奇地发现自己不再那么羞涩了！！这是帮助你克服与陌生人说话是胆怯的一些方法．
至于提高语言水平吧，我想你可以每天都照着镜子，看着自己，然后不拿着稿子对着自己发表演讲，就像电视上的那些演讲家那样，适当地运用一些肢体语言．此时因为没有人在一旁，所以你不会有心理负担，一段时间之后你就会不知不觉的得到提高了．你也可以经常模仿自己的老师讲课的样子，把自己所学习的知识对着镜子或者干脆对着空气讲，这样既能够锻炼口语，又能复习功课，岂不是一举两得？！
多阅读，多跟不同类型的人打交道。我有个语文很好的同学，自幼他爷爷就让他读报纸，然后叙述新闻大意..看来很有用的
养成写日记的习惯，我觉得这是最重要的一种提高语言表的能力的方法。你要把每一篇日记都当成一篇文章来写，一般不要写草稿，直接写，而且你可以试试一些比较新鲜的文章结构，有时也可以写写自己的心理感受，这时日记就不一定非得是一篇完整的文章，但一定要以写一篇完整的文章的态度对待他，这样做的目的是你能把你想到的一点不保留的表达出来，这很有利于表达能力的提高。最后你要经常改自己的文章，把自己的一些错别字病句改过来，或者一些表达不是太令自己满意的地方，换一种说法，都可以提高你的语言表达能力。
你能够意识到语言表达的重要性这点很好，拥有很强的语言表达能力对你在社会上立足是非常有帮助的！！也祝愿你取得进步！！

我毕业后一直在量化投资的一线工作，每天大量时间都是以R语言为主要工具研究金融数据，期间也在GitHub上开发和维护几个R扩展包，每年也参加几场R语言会议。在这个过程中，我接触了不少还在学校的初学者，或者已经步入数据相关工作的研究人员，也有一些发来邮件寻求帮助的世界各地的用户。我有这样一种感觉，我们的同学、数据研究者经常有丰富的想法，但原始数据的形式与这些想法常常有相当的距离。许多用户是因为对工具和编程本身不够熟悉而难以自由地操作数据，因而在面对稍显复杂的问题时便止步不前。如果是这样的原因放慢了我们探索数据世界的脚步，岂不是太可惜了？于是，我萌生了一个想法，写一本关于R语言编程的书。10月，Packt 出版社的编辑邀请我写一本面向初学者和专业用户的R语言书籍，这正合我的想法！经过1年的时间，便有了这本书。这本书与其他R语言书籍有一个重要的不同：该书更倾向于帮助读者系统化地认识R作为一门编程语言的设计和行为，通过许多例子和实验帮助读者弄清楚R语言中各种常用数据结构的行为，以及所有这些行为背后统一的设计原则和行为准则。对于许多初学者以及其他编程语言的用户，R语言是难以预料、充满怪癖的，至少不是十全十美的。但是，当了解到这些统一的行为准则时，你可能会惊叹R语言本身的一致性，以及表达数据和逻辑的灵活性。这些特性允许我们高效地进行数据探索、分析、可视化、报告等等。本书将用一半的篇幅来介绍基本的R语言和对象，然后步入R语言的高级特性，让读者更加深入地理解其行为，形成一个全景图。此时，当你写出一个R语言表达式，你就能立刻猜想会发生什么，即使和想象的不一样，也能很快找到问题所在。打好了这个基础后，我们会介绍数据相关的主要技术，包括关系型与非关系型数据库，实现快速数据操作的扩展包等等。掌握了语言和对象的特性以及流行的扩展工具后，我们就可以随时根据问题选择我们的工具，因而生产力就能大幅提升，将主要经历投入在思考和解决业务问题，而非一知半解、绞尽脑汁地去找代码中的纰漏而摸不着头脑。最后，本书介绍了一系列工具，涵盖数据研究的多个方面，读者可以根据自己的需要继续学习。本书原版为英文版，对于国内的读者可能阅读中文版更加方便。为了保证翻译的质量，我推荐厦门大学王亚南经济研究院（WISE）的研究生学弟、学妹们翻译此书。他们来自于一个自发组织的数据科学小组 WISER Club，经受过严格的学术训练，参与过多种数据研究项目，对R语言相关的应用已经有相当的经验，并且对推广数据科学充满热情。希望这本书能让你更加深入地了解R语言和相关工具，更加自信、自由地探索数据的海洋。=== 原答案 ===由于R语言主要是和统计、计量、数据挖掘等领域相互联系，因此核心是这些领域中的问题，R的任务就是帮助你花更多的精力在思考和解决这些问题，而不是做计算上或者技术上的底层架构，或者不断重造轮子，并且不丧失灵活性（可编程性）。因此，学习R可能并不像学习纯粹的一门编程语言一样，最好需要在这些问题的上下文中学习，脱离了数据科学的背景学习R，仿佛就是学习如何使用扳手，却根本不认识螺丝钉。根据我自己的经验，学习R比较有效的过程基本上是：看在线互动教程、打代码，了解R的最基本的东西，大概能做哪些事情（比如计算一些线性回归），自己根据这些教程去做各种变化，做许多实验，探索一下这个语言的基本语法和构造。看一些入门书籍，比如 Introductory Time Series with R等等，给你展示怎样用R来比较完整地解决一个问题。可以根据你的领域选择类似的书籍。开始用R解决一些统计、计量相关的计算性问题，比如用自己的数据跑一些模型，探索这些数据里面可能有趣的东西。在数据较为复杂一些的项目中使用R，发现数据操作能力太弱，开始接触更深层的R概念，比如可以看 Data Manipulation With R (Phil Spector)，形成更加系统的概念，逐渐掌握操作复杂一些的数据和对象的能力。学习最流行的R扩展包的使用方法，发现整理数据和建模中的许多工作都大幅简化，工作效率出现质的提升。逐渐开始做更为复杂的项目，形成一整套数据处理、建模的技术和技巧，形成较为系统、完整的认识和知识结构，有较强的社区检索能力，遇到问题能够自行解决或者通过社区解决。阅读进阶的书籍，例如 Hadley 的 Advanced R Programming，对R的底层和开发有了更加深刻和全面的认识，形成了使用R的基本直觉。参与到开源社区，不断跟进最新的发展和技术。参与到R会议，结交更多的朋友，交流使用经验，进一步提升视野和能力。=== 原答案 ===R语言有很多国外的书籍，建议就你的研究领域或者工作领域来选择书籍。假如你做的是时间序列分析，那么作为入门你就可以看《Introductory Time Series with R》，里面有很多生动的例子，数据也可以直接获取。把书里的例子和练习都做掉，每个例子用自己的数据去多做些实验，自己探索一下涉及到的函数还能做些别的什么，并且看看这些函数的文档。此时对R已经有了初步的了解。如果做到一定程度，开始用于自己的项目，就会发现自己用R处理数据的能力很弱，一般表现为想把一种数据处理成另外一种样子，但是不知道如何实现。此时，需要补充一下用R整数据的基本方法，可以读《Data Manipulation With R - Phil Spector》，里面通俗易懂地介绍了R数据处理的基本观念和方法，让你大概知道R处理数据时是什么样的机制。这样你在写代码时就有更高的预见性，否则很容易出错。接下来需要比较系统的应用，这就需要你把R作为主要的生产语言来完成你的项目，在此之前如果为了练手，如果你是研究者那么你应该找几篇你的研究领域的论文并用R复制出来，再次过程中你会修补很多缺漏和不熟悉的地方，也会对数据处理和分析建立起一些直觉。