谢邀。最近工作很忙，一直想回答这个问题，已经有这么多很好的回答了，感谢
提到我那更新缓慢的小博客，这里我就自己学习和使用R的体会做一些回顾和总结。
首先，我在我的
项目中比较系统地介绍了一下R是什么（
）。简而言之，R是一套主要致力于统计计算、数据探索、数据分析、数据可视化的一个编程语言、计算环境、社区以及生态系统。如果题主的学习背景和工作与这些毫不相关，并且毫无背景知识（例如统计学）和基本训练（例如基本编程），那么短期来看学习R的难度是不小，并且收益难以评估，可以说没有明显的收益。但是我相信没有多少人愿意为自己的前途划定一个不可逾越的限制，而帮助你突破这些限制的往往就是看起来「没有作用」的缓慢积累。
因此，我鼓励题主学习R这样的强大工具来优化自己的思维方式，理由我在
中已经作出了充分的说明。不过有一个前提是，最好是先把计算机本身弄熟练一些，再使用计算机中更加高级的工具，例如我在
中回答的那样，先把Excel这种容易上手、可见即可得的工具掌握熟练一些（先满足务实的基本需求），之后才比较容易上升到较为抽象的编程世界（再满足更高层次的精神需求）。
另外，用学习时间长短来衡量学习效果，对于编程几乎是无效的。学习1年，没有真正开发过比较全面的项目，其实水平远比不上学习半年，做过好几个实战项目的人。因为有时间压力的实战训练，才是真正能够提高水平的学习方法。
还有，我想帮助题主澄清几个观念。与其把R简单地看作一个「统计软件」，不如说R除了是一个统计软件，即统计计算环境之外，而是一门设计完善的编程语言，更加是一个快速成长的社区，是能够将非IT领域的前沿知识（例如最新的统计工具）快速转化为生产力的生态系统。在学习中最基本的就是掌握R作为编程语言的语法规则（syntax），之后就是通过学习和各种项目积累处理各种数据的手法、流行扩展包的使用技巧等等，在此过程中参与到社区当中去，去看大家在
中的问答，参与到GitHub中托管的上千个R扩展包的issue report和改进中，在这个过程中你学到的R才是有灵魂的，才是与时俱进的；如果只是自己看教程，不实战、不参与社区互动，那么你学系到的R就是死的，没有灵魂，不会更新，很快就将被你的大脑清除出去。
当然，如果只是希望学习到最基本的层次，例如简单地操作一点数据等等，那完全没有必要把R学得很精深，只需要按照在线课程掌握基本的一些函数和表达式即可。
因此，我对「对于没有编程经验的人，R语言是否很难掌握？」这个问题的回答是「比较难」。就好象「对于没有游泳经验的人，游泳是否很难掌握？」「对于没有素描经验的人，素描是否很难掌握？」「对于没有炒股经验的人，炒股是否很难掌握」，回答都是「如果只是跳进去泡两下」「如果只是勾几笔」「如果只是下单撤单」，那么回答就是「很简单」；如果真的要严肃的「游泳」「素描」「炒股」...天下的任何事情，回答都是「比较难」。
如果不是「比较难」的话，那么R在数据科学中领域中的薪资回报就不可能是最高的了。
===
稍微补充，最近把
项目弄成了一个Gitbook，在缓慢更新中，里面涉及了统计、金融领域需要掌握的从基础到高级的R的主要内容，下面是个简单的大纲，可以自测R的学习水平。
Quick start: What is R? Why R? How to install R? RStudio, First model
Basic objects: Vector, Matrix, Array, List, Data frame, Function, Formula
Basic expressions: Assignment, Condition, Loop
Basic functions: Environment, Package, Object, Logical, Character, Math, Statistics, Data, Graphics
Basic statistics: Preparing data, Descriptive statistics, Linear regression, Hypothesis testing, Model analysis, Time series modeling
Basic data mining: Using models, Cross validation
Basic grahpics: Scatter plot, Line plot, Bar chart, Pie chart, Histogram, Composing plots, Partitioning plots, Graphics devices
Inside R: Lazy evaluation, Dynamic scoping, Object searching, Memory management, dot-dot-dot, Functions, Environment, Expression, Call
Data structures: S3 object, S4 object
Database: SQL, Excel workbook, SQLite, SQL on data frame
Parallel computing: parallel package
Functional programming: Anonymous functions, Closures, Higher-order functions
Profiling: Computing time, Memory usage
Advanced graphics: Interactive graphics, ggplot2, ggvis
Popular-packages: stringr, reshape2, rootSolve, Rsolnp, plyr, dplyr, data.table, pipeR, jsonlite, Rcpp
===
最后，赞同
的说法，脱离了统计和计量的基础使用R没什么太大意义，就好象给你一个强大的扳手，结果你根本不认识什么是螺丝钉。
