ggplot2 0.9.0版本将在3月1号发布，改动较大，最近bioc mailing list也有诸多讨论，因为它导致了某些包编译出错（估计是NAMESPACE引起的）。
按照hadley的说法是这是为了把他个人的项目变成一个社区项目。
大多数的改动对用户来说是invisible的，用roxygen2去注释函数，核心代码使用S3重写，分离出一些特性（scales包）等。
最明显的是现在画图速度变快了，不过我觉得最让人兴奋的是guide_legend()和guide_colorbar()两个函数，可以修改legend.
画图的话，加了四个函数geom_map(), geom_raster(),geom_dotplot()和geom_violin().
刚看完《Introduction to Scientific Programming and Simulation Using R》这本书，
第一部分是R编程入门； 第二部分是数值计算，主要是解方程，求积分和优化；第三部分是概率和统计，主要讲概率、随机变量等概念和参数估计； 第四部分是simulation，主要讲Monte Carlo积分和方差降低。
Monte Carlo方法由冯·诺伊曼于二战时提出，1777年法国人布丰用此思路估计pi值被认为是Monte Carlo的起源，这个方法简单又快速，通过产生随机数，将数值计算问题变成随机变量的某些特征值（比如期望值）。
积分运算，和估计pi值一样，用hit and miss法估计。
hit_miss <- function(fun, lower, upper, n=500) {
# Monte Carlo integration using the hit and miss method
x <- runif(n, lower, upper)
f.value <- sapply(seq(lower, upper, 0.001), fun)
f.min <- min(f.value)
f.max <- max(f.value)
y <- runif(n, f.min, f.max)
hits <- sum(y <= fun(x))
area <- (upper-lower) * f.min + hits/n * (upper-lower) * (f.max-f.min)
return(area)
}
hit and miss方法收敛太慢，效率并不高，通常所说的MC积分是指下面这个方法。
圆和外接正方形的面积比，是$ \frac{\pi r^2}{(2r)^2} = \frac{\pi}{4}$.
通过这一比值，可以使用蒙特-卡罗方法来估计Pi，这是Monte Carlo方法的最经典的一个例子。
getPI <- function(N) {
x <- runif(N)
y <- runif(N)
hits <- sum(sqrt(x^2+y^2) < 1)
pi <- 4*hits/N
return(pi)
}
In order to provide an option to compare graphs produced by basic internal plot function and ggplot2, I have recreated the figures in the book, 25 Recipes for Getting Started with R, with ggplot2.
The code used to create the images is in separate paragraphs, allowing easy comparison. 1.16 Creating a Scatter Plot
plot(cars)
HardOCP has an image with an equation which apparently draws the Batman logo.
