R语言已调用plot()仍报plot.new has not been called yet错误排查

plot.new has not been called yet报错的本质是：调用points()、abline()这类base R低级绘图函数时，当前R会话中没有处于活跃状态的base R绘图帧。你认为已经执行过plot()生成了底图，但实际上那行代码并没有成功打开可被base R低级函数识别的活跃绘图设备。

常见触发场景 #

你提供的最小复现示例已经暴露了最高发的原因：

• 混用ggplot2与base R绘图语法
  你写的plot(BOD, aes(x=Time, y=demand))中，aes()是ggplot2包的专用参数。如果当前环境加载了ggplot2，这行代码不会触发base R的绘图流程，只会生成一个未被渲染的ggplot对象：
  • ggplot基于grid绘图系统，和base R绘图系统完全独立，不会注册base R可识别的绘图帧
  • 逐行运行时如果这行代码的返回值没有被自动打印，连ggplot的图都不会显示，后续调用base R的abline()/points()必然报错
    你最初的NMDS绘图遇到同类问题，大概率是加载的某个R包（比如vegan的ggplot扩展包）重写了metaMDS对象的plot方法，返回的是ggplot对象而非base R绘图，你看到的底图是ggplot渲染的，不支持base R低级函数操作。
    
• RStudio输出设置问题
  如果你在R Markdown脚本中逐行运行代码，且开启了行内输出选项，plot生成的图会渲染在代码块旁的临时输出区域，不会打开全局持久的base R绘图设备，后续运行的低级函数找不到活跃绘图帧就会报错。
• 绘图设备被意外关闭
  运行plot代码后，如果误执行了dev.off()、点击了Plots面板的清除按钮，或者运行了其他会重置绘图设备的代码，之前打开的绘图帧会被销毁，再调用低级函数也会报这个错。

解决方案 #

根据你用的绘图系统选对应方案即可：

如果你要用base R绘图（适配你原来写的points/abline逻辑） #

• 不要在base R的plot()函数里传入aes()参数，纯base R的绘图写法不要混ggplot语法。以BOD数据为例，正确写法是：

  # 纯base R绘图，不调用aes
  plot(demand ~ Time, data = BOD, main = "BOD数据示例")
  abline(lm(demand ~ Time, data = BOD)) # 此时运行不会报错
  

• 针对NMDS绘图，如果怀疑plot方法被其他包重写，可以显式调用vegan包的base R绘图方法：

  soy.nmds <- metaMDS(species.hell.soy, distance = "bray", k = 2)
  # 强制调用vegan的base R版plot方法
  vegan:::plot.metaMDS(soy.nmds, type = "none", 
    main = paste("NMDS/Bray - Stress=", round(soy.nmds$stress, 3)),
    xlab = "NMDS1", ylab = "NMDS2")
  # 再调用points就可以正常添加元素
  points(scores(soy.nmds, display = "sites", choices = c(1,2)),
    pch = 21, col = "black", bg = "steelblue", cex = 1.2)
  

• 运行低级函数前可以执行dev.cur()检查当前活跃设备，如果返回null device，说明没有可用的base R绘图帧，重新运行plot代码即可。如果是在Rmd中运行，把plot和后续低级绘图代码放在同一个代码块中执行，或关闭行内输出选项让绘图输出到全局Plots面板。

如果你实际想用ggplot2绘图 #

完全放弃base R的points()/abline()这类函数，改用ggplot2的图层语法，所有图层用+连接到同一个ggplot对象上，不要单独逐行运行低级绘图函数。以BOD数据为例：

library(ggplot2)
# 用ggplot()初始化绘图，不要用base的plot混aes
p <- ggplot(BOD, aes(x = Time, y = demand)) +
  geom_point()
# 加线用geom_abline，不要用base R的abline
p + geom_abline(slope = coef(lm(demand ~ Time, data=BOD))[2],
                intercept = coef(lm(demand ~ Time, data=BOD))[1])

内容的提问来源于stack exchange，提问作者Leah r-t