昨天我们简单的讲了R语言如何对点数据进行分析，今天继续把这个内容说法，其实R语言是非常强大的，他的强大之处，可能超出了你的想象的。
不过R语言也有缺点，最大的缺点就是所有的一切分析过程，都要通过敲命令的方式来实现，对于推广了超过10年的鼠标这种喜闻乐见的标准电脑外设来说，全部采用文本模式进行交互仿佛已经是远古时期的标志一样（不过很多电视剧里面，电脑高手的表现都是在键盘上运指如飞，他们从来不用鼠标……）
但是在空间分析里面，如果我给弹出两坐标文本，你肯定里面就抓瞎了，比如昨天我们分析完成之后，弹出这样一个结果：
所以不管怎么分析，最后还是要有可视化的结果比较容易让人接受，那么今天我们来讲讲用R语言把昨天分析的内容进行可视化的过程。
一般来说，分析的结果可视化有两种方式，第一种就是直接用R语言自带的能力来实现，如下：
（注意，下面的代码，library语言导入包我就不写了，大家自己写，或者参考昨天的博客）
> points.dataframe <-readShapePoints(file.path("e:/sh"))
> plot(points.dataframe,col="red",pch=16)
这两句完成之后，画出了一个红色点的图形，如下：
现在来计算中心点，代码如下：
> xy <-data.frame(points.dataframe$coords.x1,points.dataframe$coords.x2)
> mp <-mean_centre(id=1,filename="e:/output.txt",weighted=FALSE,weights=NULL,points=xy)
后面这句是把计算出来的中心点结果给一个叫做mp的变量。接下去，我们把这个mp也显示到图形上面去。
代码如下：
>points(mp$CENTRE.x,mp$CENTRE.y,cex=3,col="green",pch=17)
结果如下：
R语言的画图功能很强大，里面每个参数意思，大家有兴趣的可以查看有关的文档，我就不在这里一一描述了。
然后我们看看另外一个例子，就是同样用这个包来分析方向分布，也就是标准差椭圆，代码如下：
前面还是加载数据和画图，和上面的内容一样，如果你是分析同一份数据，只做一次就可以了，如果重新打开的，就要从library加载aspace和maptools两个包开始，我下面给出完整代码：
>library(aspace)
>library(maptools)
> points.dataframe <-readShapePoints(file.path("e:/sh"))
> plot(points.dataframe,col="red",pch=16)
> xy <-data.frame(points.dataframe$coords.x1,points.dataframe$coords.x2)
>sde = calc_sde(id=1,filename="e:/SDE_Output.txt",centre.xy=NULL,calccentre=TRUE,weighted=FALSE, weights=NULL, points=xy,verbose=FALSE)
>lines(sde$x,sde$y,col="green",lwd=3)
最后的结果如下：
当然，这些方法里面都一个filename的参数，所以你可以在你指定的地方输出一个txt文件，文件的内容如下：
1、中心点文件，因为是点数据，所以只有一条记录：
2、标准差椭圆的面数据文件：面是由多个点组成的，所有又若干条文件（如果是个圆，一般都是360条，每度一个坐标）：
有这个TXT文件之后，你就可以通过各种手段把他变成shape file或者什么其他的数据了。
最后，aspace文档上，提出可以用shapefiles这个包，把数据直接变成shapefile，但是我这里运行会失败，不知道是不是版本的问题，大家可以自己试试，看看行不行，我这里就不说这个功能了。
当然，如果要直接处理成shapefile文件，还有很多的方法和包来实现，有兴趣的同学可以去查阅相关的R的文档。
关于R分析点数据，我暂时就先讲到这里，以后有机会我在讲用R进行其他的分析，毕竟这是开源界最强大的分析工具了，作为数据分析界的一员，R语言是很有必要学会的。