Oop R语言与面向对象编程

在R中，以这样或那样的方式进行面向对象编程是非常可能的。但是，与例如Python不同，实现面向对象的方法有很多：

• 中三及中四班级

我的问题是:

在R中，这些OO编程方式的主要区别是什么

理想情况下，这里的答案将作为R程序员决定哪种OO编程方法最适合他们需要的参考

---

因此，我要求以客观的方式，根据经验，并以事实和参考为依据，提供细节。澄清这些方法如何映射到标准OO实践的额外积分。

S3类

• 不是真正的对象，更多的是一种命名约定
• 以美国为基地。语法：例如，对于打印，

  print

  调用

  print.lm

  print.anova

  等，如果未找到，则调用

  print.default

S4课程

• 实现起来比S3更复杂

参考类

• 主要用于避免复制大型对象（通过引用传递）

proto

• ggplot2最初是用proto编写的，但最终将使用S3重写
• 简洁的概念（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

R6类

• 不依赖于S4类
• R6类与引用类类似，只是不需要将字段和方法分开，并且不能指定字段的类型

---

2012年3月8日编辑：下面的答案是对最初发布的一个问题的回应，该问题已被删除。我将其复制到下面，为我的答案提供上下文：

不同的OO方法如何映射到Java或Python中使用的更标准的OO方法

---

我的贡献与您的第二个问题有关，关于R的OO方法如何映射到更标准的OO方法。当我在过去思考这个问题时，我一次又一次地回到两段，一段是弗里德里希·莱希，另一段是约翰·钱伯斯。这两种语言都很好地解释了为什么R中类似OO的编程与许多其他语言有着不同的风格

首先，Friedrich Leisch，摘自“创建R包：教程”（）：

S是罕见的，因为它是交互式的，并且有一个面向对象的系统。设计类显然是编程，但要使S作为交互式数据分析环境发挥作用，它是一种函数式语言是有道理的。在“真实”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，方法是类的一部分（因此是对象）。我们需要增量和交互式的添加，比如预定义类的用户定义方法。这些添加可以在任何时间点进行，甚至在分析数据集时在命令行提示下进行。S试图在面向对象和交互使用之间做出折衷，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表现得出奇地好

另一段来自约翰·钱伯斯的名著。（）：

OOP编程模型与S语言在所有方面都不同，但第一个不同 尽管S和其他一些函数式语言支持类 和方法。OOP系统中的方法定义是类的本地定义； 没有要求方法的相同名称意味着相同 一个无关类的东西。与此相反，R中的方法定义没有 驻留在类定义中；从概念上讲，它们与泛型关联 功能。类定义直接输入到确定方法选择中 或者通过继承。习惯于OOP模型的程序员有时会 对他们的编程没有直接转移到R感到沮丧或困惑， 但它不能。方法的功能性使用更为复杂，但是 更适合具有有意义的功能，并且不能简化为 面向对象版本

---

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与构造函数/方法中嵌入的函数的组合。我的目标是有一个object$method（）类型的语法，这样我就有了半私有字段。我之所以说半隐私是因为没有办法真正隐藏它们（据我所知）。下面是一个简单的例子，实际上什么都不做：

#' 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=''))
}

#构造函数
EmailClass关于参考课程的信息：谢谢，你能重新发布链接作为答案吗？如果你能提供一个关于什么是参考类的小结，以及为什么它们比S3/S4类更可取，那就太好了。一只小鸟悄悄地对我说，约翰·钱伯斯即将出版一本关于这方面的书。但是不要告诉任何人我说过…；-）同一只小鸟能在下面粘贴一个答案，再加上一些参考类的信息吗如果您还有其他差异需要添加，请随意编辑。如果它变成CW，我不会哭：-）别忘了
库（“财富”）；《财富》（“海峡”）
关于S4课程的讨论：。一般的感觉似乎是，它们比它们提供的优势更麻烦。有趣的是，新的R6类通过避免使用该数字隐式地承认引用类是R5。让争论重新开始吧。R5这个名字最初被引用类开发人员以外的人用作玩笑。R6这个名字是对“R5”的认可，但它并不意味着R5这个名字有任何官方认可。你是在“手工”重新发明引用类
    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')