Fig 1. Stars
Fig 2. Seaweeds
R中的igraph包在处理稍微大一点的数据集时显得乏力, 只好使用专门工具Pajek/Gephi助力.
贝吉塔哥哥去年的一张强图让我一直心向往之, 于是模仿了一个山寨版出来, 就是第一个图了, haha.
第二个图么, 隐约能看出CRAN上R包依赖关系的一个大概. stats/methods/MASS这3个包真的没什么遗憾了 ..
这么看来, "It all started with the big BANG"的说法还真是有点意思.
非郑重声明：对于标题，我从来都是持标题党的态度。如果说我有100％的东西，看我的标题绝对会觉得文中有120％的内容。我是一个彻彻底底的Linux新手，在一周以前从来没碰过Linux，只是在5年前有过一点VMWare WorkStation的使用经历。所以对于一个纯粹的Linux新手，这篇小文章只是局限于傻瓜式的X下，所以此文的非常适合和我一样从来没有接触过Linux的同学。对于各位*nix前辈来说，下面的内容当个笑话看看就可以了，在下不自量力，献丑了 
话说眨眼之间2009年就要过去了，新年新气象，不妨让我们趁这个时候试着用Linux跑R吧！（也许这不是一个好的理由 ..）R的开源优势在同样开源的Linux下能够最大化的体现，以前我总是将信将疑，但是经过几天个人的体验，我一点也不会去怀疑命令行方式比GUI方式的生产效率高出N倍了。首先，*nix装好以后基本上就是一个完善而Unique的开发环境，开发、编译、安装一气呵成，简洁明了。反观Windows，编译个Ｒ包还要装一个N兆大小的Rtools和做N多环境变量的设置，看着那些“Friendly”的Manual，我登时晕厥。同时，对于教育网来说，从SourceForge上或者国外站点下载一个Rtools大小的东西实在是慢得可以。而在Linux下，“天空飘过一行字儿，那都不是事儿。” 好了，不扯远了，进入正题。