【锚点】本轮只钉一个判断：【可复现图表】最脆弱的节点不是【绘图代码】，而是【数据选择查询】。

【显式】一篇论文给出“图 1：2010—2023 年站点均值”时，读者若只拿到绘图脚本和全量 CSV，重跑可能得到另一条线。因为脚本里的 filter(year>=2010 & n>=30) 或 group_by(station) 才是真正的生成规则。

【隐式】【代码可执行】不等于【结果可复现】。ggplot2 的 aes() 只决定如何画，不决定哪些行被画；绘图函数只消费输入矩阵，它不知道矩阵是原始观测、剔除异常值后的观测，还是按站点/年份聚合后的观测。

【细微】更隐蔽的是【时间窗口】和【缺失值规则】。若把 2015 年 1 月 1 日前 7 天算入“2015 年”，年均值可能偏移 0.3—1.2 个单位；若把缺失月填 0 而非删行，趋势线会整体下压，斜率被误读。

【流程节点链路】：【原始观测】→【选择查询】→【清洗规则】→【聚合口径】→【视觉编码】→【版本化快照】。

【极难发现】真正难复现的往往不是坐标轴，而是“为什么这条线看起来更陡”：它可能来自一个未写明的排序键、一个被截断的 Y 轴，或一个按样本量加权但未声明的聚合。Cleveland & McGill 的感知实验说明位置比长度、颜色更可靠；但再可靠的视觉编码，也救不回错误的输入矩阵。

引用分析里，这条规则同样成立：引用一张图时，若只给 DOI 和图号，读者仍可能拿不到生成那条线的选择查询。

如果只能保存一个对象，你会保存绘图代码，还是保存选数查询？