统计专业的学生想要学习编程，可以遵循以下步骤：
选择编程语言
R语言：R语言是统计学中最常用的编程语言之一，提供了丰富的统计分析和数据可视化功能。适合用于数据处理和数据分析任务。
Python语言：Python是一种多用途的编程语言，在统计学中得到了广泛应用。它有强大的数据处理和分析库，如numpy、pandas和scipy，可以用于实现统计模型的构建和数据分析的任务。
C语言：C语言是一种基础且效率较高的编程语言，适合作为学习其他编程语言的起点，培养编程思维。
SQL：学习SQL以了解如何从数据库中提取所需的数据，并进行数据的聚合、筛选和组合等操作。
MATLAB：MATLAB是一种专为科学计算而设计的编程语言和环境，广泛应用于数据分析、建模和仿真等任务。
掌握基本编程概念
学习编程的基本概念，包括变量、循环、条件语句、函数和对象等。这些概念是编程的基础，掌握后能够编写简单的程序。
学习数据处理与分析
学习如何读取、清洗、转换和保存数据，以及如何进行描述性统计、探索性数据分析、假设检验和回归分析等统计方法。
数据可视化
学习如何使用编程语言进行数据可视化，掌握绘制直方图、散点图、折线图和柱状图等常见图表的方法，以及如何添加标签、标题和图例等画图技巧。
掌握算法与模型
学习统计学中常用的算法与模型，如线性回归、逻辑回归、决策树、聚类和时间序列等基本方法，并学会使用编程语言实现这些算法。
使用数据科学工具
熟悉统计学中常用的数据科学工具，例如RStudio、Jupyter Notebook等。这些工具提供了交互式的编程环境和丰富的统计学资源，对于学习和实践统计学非常方便。
实践项目
通过参与实际的统计编程项目，将所学知识应用于实践中，锻炼编程能力和解决实际问题的能力。
持续学习
编程是一个不断学习和进步的过程，需要持续学习新技术和工具，保持竞争力。
建议：
初学者可以从Python或R语言开始，因为它们在统计学中的应用广泛且易于入门。
中级学习者可以深入学习数据结构和算法，掌握一些常用的统计建模方法。
高级学习者可以尝试使用更高级的工具和框架，如SAS、MATLAB等，并参与实际的数据科学项目。
通过以上步骤，统计专业的学生可以逐步掌握编程技能，并将其应用到统计学的各个领域中。