最近一段时间在分析通量数据，有几个思路，蒸散的辐射限制和水分供应限制。一直在围绕着这个思路，用R不断地画图。这个过程中，看到R 统计画图的强大。一个简洁明了的图，就可以作为很好的论点的证明。特意买了一本《ggplot2 数据分析与图形艺术》 画图的书。ggplot2 对数据集有要求的：必须是一个数据框。之前对这个先入的条件不是很适应，总是先得重现构建一个新的data.frame，来满足ggplot画图的需要。看了Hakley Wichham的解释，理解了。“ggplot2对数据集的这种要求是有充分理由的。数据非常重要，我们最好明确对数据做了怎样的处理。ggplot2 会从我们给定的数据框中提取绘图所需要的变量，并生成一个新的数据集，而不是直接在数据集上进行数据变换。”这样原先的数据集就得到了保护。

关于本书详见豆瓣评价 http://book.douban.com/subject/24527091/

附上我昨天用ggplot2 画的图、代码和所需数据。比起R 基本的画图函数plot，ggplot2 的画图语法很简洁，输出也很方便。

gpp.site.RData

#以下为R code-----

Sd_GPP_day_6_one_web.R

# you can skip the above step and load data directly from gpp.site.RData-----

load('gpp.site.RData')

GPP6sub <- GPP.site$data

# ggplot -------

# 六个站点全部在一张图上

scatter.ggplot <- ggplot(aes(x = Sd , y = GPP, colour=Season),

                        data = GPP6sub)+

                        geom_point() +

                        scale_colour_manual(values = c('grey','black'))

# facet_wrap可以把六个站点分别画出来

g.site <- scatter.ggplot +

 facet_wrap(~Site_f) +

 theme_bw()

# geom_smooth 加入平滑线

GPP.site <- g.site +

 geom_smooth(method='lm')

# xlab, ylab 设置

GPP.site <- GPP.site +

 xlab(expression(paste('Sd    (MJ m'^'-2',' day'^'-1',')'))) +

 ylab(expression(paste('GPP', '    (g C m'^'-2','day'^'-1',')')))

# 把图片作为一个对象保存起来，画图所需的数据集也保存了，方便后面发表时再修改

#save(GPP.site,file='E:/data/report/gpp.site.RData')

save(GPP.site,file='gpp.site.RData')

pdf('Sd_GPP_6_one.pdf',width=8,height=6)

print(GPP.site)

dev.off()