树变图，图变树？
总有人会问我plot和ggplot2有什么差别？这个问题很难回答，plot和ggplot2应该说是不可比较的，因为不在一个level上。
我们先来看plot的函数定义：
> plot
function (x, y, ...)
UseMethod("plot")
<bytecode: 0x1843198>
<environment: namespace:graphics>
这是个S3方法，plot还有S4方法，在stats4里定义：
> stats4::plot
standardGeneric for "plot" defined from package "graphics"
function (x, y, ...)
standardGeneric("plot")
<environment: 0x1d7b058>
Methods may be defined for arguments: x, y
Use showMethods("plot") for currently available ones.
我们在R里对各种对象用plot(x)，它画出来图形来，不同的对象会出来不同的图，因为它会根据对象的类调用相应的方法，与C++/JAVA等class-based OO不同，R是method-based的，所以不是x.plot()，而是plot(x)，但都是通过不同的对象调用不同的方法。plot本身的定义是个generic method，不同的对象如何来画图，需要有相应的plot方法实现。
打开R，键入plot，按下Tab键，你可以看到：
> plot
plot plot.function plot.stepfun
plot.default plot.new plot.ts
plot.design plot.spec.coherency plot.window
plot.ecdf plot.spec.phase plot.xy
随着R的启动，graphics包自带几个plot方法，更多的plot方法由其它的R包提供，比较ape里有plot.phylo，如果一个对象没有相应的plot方法，那么plot(x)通常就会画不出来（最终会调用plot.default，可能可以画出散点）。
比如：
> x = data.frame(a = 1:4, b=1:4)
> plot(x)
将画出散点图，但如果设置class属性，同样的数据，没法画出来：
> class(x) = "test"
> plot(x)
Error in xy.coords(x, y, xlabel, ylabel, log) :
'x' is a list, but does not have components 'x' and 'y'
plot只是个generic，它可以通过传入的对象调用相应的方法（在有相应实现的情况下），在ggtree里我也定义了几个plot方法，不过在开发版本里已经被我删掉了，觉得没有必要性。这里可以看出来plot方法也可以是基于ggplot2的，方法如何实现，完全是自由的，你可以基于base graphics，也可以基于grid，可以用ggplot2，也可以用lattice。
所以说plot和ggplot2是不可比较的，一个是方法（也就是函数），一个是画图系统，根本不在一个可比较的level上。
你看我emojifont包的描述是An implementation of using emoji and fontawesome for using in both base and 'ggplot2' graphics.
这里我写的是base and ggplot2 graphics，提问者想要问的其实是base graphics和ggplot2的比较。
base图形系统是个传统的画图系统，也就是在画图设备上添砖加瓦，不断加上各种线条和点，好比给你纸笔，但没有橡皮擦，这是个dead end，出来就是个图片。
R画图一个划时代的分水岭是grid包，这是Paul Murrell在读phd的时候开发的，从此画图产生的不再是图片，而是对象，在grid里图形对象叫grob，代表graphic object，这个对象和其它R里的对象一样，是数据。这个数据可以在用户的需求之下渲染成图片。lattice和ggplot2都是基于grid，所以base和ggplot2的差别之一，也就是base和grid的差别，base系统就是画图，而grid的图是可操作的对象，不再是dead end。
ggplot是Hadley Wickham在读phd的时候开发的，后来推倒重来，出来ggplot2。和其它画图系统不同的是，ggplot2画图不再是纸笔模式，画图不再是点线组合，而是各种图形组合，这让我们可以在数据层面上思考画图，而不再是这里画点，那里又画线，给这条线上什么颜色，我们不用考虑这些细节，而是按不同的变量给我上色之类的高级抽象。这得益于《grammar of graphics》，他提出了一套图形语法，让我们在考虑构建一幅图形的时候，不用掉进细节的坑里，而是把图形拆分成可以自由组合的成分。Hadley Wickham在R里通过把这套想法给实现了，于是我们有了ggplot2，画图基本上就是+geom，不断加图层，让我们在更高的抽象水平思考问题。
（铺垫完了）Paul Murrell读phd写了grid，Hadley Wickham读phd写了ggplot2，Y叔读phd写了ggtree，把自己和神人们放在一起，似乎没毛病，lol...
得益于grid系统，图本身是数据，在需要的时候，它可以渲染成图片，但它本身是数据。在ggtree里面，我们把进化树画出来，可以加各种注释，图本身就是数据！使用ggtree我们可以画树，还可以把图变成树，有树的拓扑结构，还可以有树的注释信息。
> require(ggtree)
> nhxfile <- system.file("extdata/NHX", "ADH.nhx", package="treeio")
> nhx <- read.nhx(nhxfile)
> p = ggtree(nhx)
> as.phylo(p)
Phylogenetic tree with 8 tips and 4 internal nodes.
Tip labels:
ADH2, ADH1, ADHY, ADHX, ADH4, ADH3, ...
Rooted; includes branch lengths.
我们用ggtree(nhx)画树，可以使用as.phylo把图变回树，包含了树的拓扑结构。
我们还可以用as.treedata把图中的拓扑结构和注释信息一同存入于树对象中：
> as.treedata(p)
'treedata' S4 object that stored information of
''.
...@ tree:
Phylogenetic tree with 8 tips and 4 internal nodes.
Tip labels:
ADH2, ADH1, ADHY, ADHX, ADH4, ADH3, ...
Rooted; includes branch lengths.
with the following features available:
'S', 'D', 'B'.
更为牛逼的是ggtree定义%<+%操作符，可以把用户自己的数据加到图上加注释，as.treedata可以把这些额外添加的数据也保存于树对象中。
> d = data.frame(label=as.phylo(nhx)$tip.label, trait=abs(rnorm(8)))
> p = p %<+% d
> as.treedata(p)
'treedata' S4 object that stored information of
''.
...@ tree:
Phylogenetic tree with 8 tips and 4 internal nodes.
Tip labels:
ADH2, ADH1, ADHY, ADHX, ADH4, ADH3, ...
Rooted; includes branch lengths.
with the following features available:
'S', 'D', 'B', 'trait'.
我们把trait加到图上，再转为树，于是树对象中多了trait变量。
x <- as.treedata(p)
ggtree(x) + geom_tiplab(align=T, offset=.005) + geom_tippoint(aes(size=trait)) + xlim(NA, 0.28) + geom_label(aes(x=branch, label=S))
把图p变回树x，额外加进去的trait，也被存在树中，可以拿来重新画在图上。
树变图，图变树，反反复复，无限嵌套。
self = function(x) self(ggtree(as.phylo(x)))
就这么简单一行，就是个无限的递归，必定跑不出来：
> self(rtree(30))
Error: evaluation nested too deeply: infinite recursion / options(expressions=)?
套路太深。
假如你的树丢了，图有保存，你还能够取回树，可以写newick或nexus文件出来。ggtree在手，世界我有！
PS: as.phylo和as.treedata方法都定义于treeio包中，你值得拥有！