问R和面向对象编程

EN

S3类

• 并不是真正的对象，而更像是一个围绕的命名convention
• Based。语法:例如，对于打印，print.default

调用print.lm print.anova，等等。如果找不到，则返回

S4类

• Can dispatch on multiple arguments
• More实现起来比S3

复杂

引用类

主要用于避免复制大型对象的

• (通过reference)
• Description of reasons to use RefClasses

传递

协议

• ggplot2最初是用proto编写的，但最终将使用S3重写。
• 的概念很简洁(原型，而不是类)，但在it
• Description of the concept and implementation

版本的ggplot2中似乎很棘手，似乎正在远离proto

R6类

• By-reference
• Does not depend classes
• "Creating S4 R6类与reference类类似，不同之处在于不需要分隔字段和方法，也不能指定字段的类型。“

3/8/12编辑：以下答案回应了最初发布的问题中的一部分，该问题后来被删除。我把它复制到下面，为我的答案提供上下文：

如何将不同的OO方法映射到更标准的OO方法？

我的贡献与您的第二个问题有关，即R的OO方法如何映射到更标准的OO方法。正如我过去思考过的那样，我一次又一次地回到了两个段落，一个是Friedrich Leisch的，另一个是John Chambers的。它们都很好地阐明了为什么在R中类似面向对象的编程与在许多其他语言中具有不同的风格。

首先是Friedrich Leisch，摘自"Creating R Packages: A Tutorial“(warning: PDF)：

S很少见，因为它既是交互式的，又有面向对象的系统。设计类显然就是编程，但要使S作为交互式数据分析环境有用，它是一种函数式语言是有意义的。在“真正的”面向对象编程(OOP)语言中，如C++或Java类和方法定义紧密地绑定在一起，方法是类(以及对象)的一部分。我们希望为预定义的类添加增量和交互式的方法，比如用户定义的方法。这些添加可以在任何时间点进行，甚至可以在我们分析数据集的同时在命令行提示符下进行。S试图在面向对象和交互式使用之间进行折衷，尽管折衷对于他们试图达到的所有目标来说从来都不是最优的，但它们在实践中往往效果出奇地好。

另一段来自约翰·钱伯斯的杰作“"Software for Data Analysis"”。(Link to quoted passage)：

尽管S和其他一些函数式语言支持类和方法，但OOP编程模型与S语言的所有不同之处只有第一点。OOP系统中的方法定义是类的本地定义；不要求一个方法的相同名称对一个不相关的类意味着相同的事情。相反，R中的方法定义并不驻留在类定义中；从概念上讲，它们与泛型函数相关联。类定义直接或通过继承参与确定方法选择。习惯于OOP模型的程序员有时会因为他们的编程没有直接转换到R而感到沮丧或困惑，但它不能。方法的函数使用更复杂，但也更适合具有有意义的函数，不能简化为OOP版本。

S3和S4似乎是OO编程的官方(即内置)方法。我已经开始结合使用S3和嵌入在构造函数/方法中的函数了。我的目标是拥有一个对象$method()类型的语法，这样我就有了半私有字段。我之所以说半私密，是因为(据我所知)没有办法真正隐藏它们。下面是一个简单的例子，它实际上并没有做任何事情：

#' Constructor
EmailClass <- function(name, email) {
    nc = list(
        name = name,
        email = email,
        get = function(x) nc[[x]],
        set = function(x, value) nc[[x]] <<- value,
        props = list(),
        history = list(),
        getHistory = function() return(nc$history),
        getNumMessagesSent = function() return(length(nc$history))
    )
    #Add a few more methods
    nc$sendMail = function(to) {
        cat(paste("Sending mail to", to, 'from', nc$email))
        h <- nc$history
        h[[(length(h)+1)]] <- list(to=to, timestamp=Sys.time())
        assign('history', h, envir=nc)
    }
    nc$addProp = function(name, value) {
        p <- nc$props
        p[[name]] <- value
        assign('props', p, envir=nc)
    }
    nc <- list2env(nc)
    class(nc) <- "EmailClass"
    return(nc)
}

#' Define S3 generic method for the print function.
print.EmailClass <- function(x) {
    if(class(x) != "EmailClass") stop();
    cat(paste(x$get("name"), "'s email address is ", x$get("email"), sep=''))
}

和一些测试代码：

    test <- EmailClass(name="Jason", "jason@bryer.org")
    test$addProp('hello', 'world')
    test$props
    test
    class(test)
    str(test)
    test$get("name")
    test$get("email")
    test$set("name", "Heather")
    test$get("name")
    test
    test$sendMail("jbryer@excelsior.edu")
    test$getHistory()
    test$sendMail("test@domain.edu")
    test$getNumMessagesSent()

    test2 <- EmailClass("Nobody", "dontemailme@nowhere.com")
    test2
    test2$props
    test2$getHistory()
    test2$sendMail('nobody@exclesior.edu')

这是我写的一篇关于这种方法的博客文章的链接：http://bryer.org/2012/object-oriented-programming-in-r我欢迎对这种方法的评论、批评和建议，因为我不相信这是最好的方法。然而，对于我试图解决的问题，它工作得很好。具体地说，对于XML包(http://jbryer.github.com/makeR)，我不希望用户直接更改数据字段，因为我需要确保表示对象状态的makeR文件保持同步。只要用户遵守我在文档中概述的规则，这就可以完美地工作。