R和面向对象编程

面向对象的编程在R中是非常有可能的。然而，与Python不同的是，实现面向对象的方法有很多种：

• R.oo包
• S3和S4class
• 参考类
• 原始包裹

我的问题是：

R中面向对象程序devise的主要区别是什么？

理想情况下，这里的答案将作为R程序员试图确定哪种OO编程方法最适合他们的需求的参考。

因此，我所要求的是细节，以客观的方式，以经验为依据，并以事实和依据为依据。 附加点澄清这些方法如何映射到标准的面向对象的做法。

Answer 1

S3class

• 不是真正的对象，更多的是命名约定
• 基于。 语法：例如打印， print调用print.lm print.anova等。如果没有find， print.default

S4class

• 可以派发多个参数
• 比S3更复杂的实现

参考类

• 主要用于避免复制大型对象（通过引用传递）
• 描述使用RefClasses的原因

原

• ggplot2最初是用proto编写的，但最终会用S3重写。
• 整洁的概念（原型，而不是类），但在实践中似乎很棘手
• ggplot2的下一个版本似乎正在远离它
• 描述的概念和实施

R6类

• 通过参考
• 不依赖S4class
• “ 创build一个R6类与引用类相似，除了不需要分隔字段和方法，而且不能指定字段的types”。

Answer 2

2012年3月8日编辑：下面的答案回应了原来发布的问题，这个问题已经被删除。 我已经复制下面，为我的答案提供上下文：

不同的OO方法如何映射到比如Java或Python中更标准的OO方法？

---

我的贡献涉及到你的第二个问题，关于R的OO方法如何映射到更多的标准OO方法。 正如我以前想到的那样，我一次又一次地回到了两个段落，一个是Friedrich Leisch，另一个是John Chambers。 他们都做了很好的阐述，为什么类似于O的编程在R中有着与其他语言不同的风格。

首先，来自“创buildR包：教程”的Friedrich Leisch（ 警告：PDF ）：

S是罕见的，因为它是互动的，并有一个面向对象的系统。 清楚地devise类是编程，但是为了使S成为一个交互式数据分析环境很有用，它是一种function语言是合理的。 在“真正的”面向对象编程（OOP）语言（如C ++或Java）中，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。 我们希望像用户定义的方法那样增加和交互式添加预定义的类。 这些添加可以在任何时间点进行，即使在我们分析数据集的时候也可以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做出妥协，虽然妥协对于他们试图达到的所有目标来说都不是最佳的，但它们在实践中经常出乎意料地工作。

另一段来自约翰·钱伯斯（John Chambers）出色的书籍“数据分析软件”（Data for Data Analysis） 。 （ 链接到引用的段落 ）：

尽pipeS和其他一些函数式语言支持类和方法，但OOP编程模型与S语言完全不同。 OOP系统中的方法定义是本地的; 没有要求对于一个无关的类来说，一个方法的同一个名字意味着同样的事情。 相比之下，R中的方法定义不在类定义中; 从概念上讲，它们与通用function相关联。 类定义直接或通过inheritance进入确定方法select。 程序员习惯于OOP模型有时会感到沮丧或困惑，他们的编程不会直接传递给R，但它不能。 方法的function性使用比较复杂，但也更加适合具有有意义的function，不能简化为OOP版本。

Answer 3

S3和S4似乎是面向对象编程的官方（即内置）方法。 我已经开始使用S3与embedded在构造函数/方法中的函数的组合。 我的目标是有一个对象$ method（）types的语法，所以我有半私人领域。 我说半私人的，因为没有办法真正隐藏他们（据我所知）。 下面是一个简单的例子，它并没有做任何事情：

 #' 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='')) } 

还有一些testing代码：

  test <- EmailClass(name="Jason", "[e-mail]") 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$sendMail("[e-mail]") test$getHistory() test$sendMail("[e-mail]") test$getNumMessagesSent() test2 <- EmailClass("Nobody", "[e-mail]") test2 test2$props test2$getHistory() test2$sendMail('[e-mail]') 

这里是一个博客文章的链接，我写了关于这种方法： http : //bryer.org/2012/object-oriented-programming-in-r我欢迎评论，批评，并build议这种方法，因为我不相信我自己如果这是最好的办法。 但是，对于我试图解决的问题已经很好了。 具体来说，对于makeR包（ http://jbryer.github.com/makeR ），我不希望用户直接更改数据字段，因为我需要确保代表我的对象状态的XML文件将保持同步。 只要用户遵守我在文档中列出的规则，就可以很好地工作。