R和麪向對象在這種或那種方式編程

Question

面向對象程序設計是R.很可能然而，不同於例如Python中，有很多方法可以實現面向對象：

• 的R.oo package
• S3和S4類
• Reference classes
• 的proto package

我的問題是：

什麼主要差異區分這些方式的R在OO編程？

理想情況下，這裏的答案將作爲R程序員試圖確定哪種OO編程方法最適合他們的需求的參考。

因此，我要求的是細節，以客觀的方式，根據經驗提出，並以事實和參考爲後盾。說明的獎勵積分如何這些方法映射到標準的OO實踐。

Answer 1

S3類

• 不是真的對象，更多的命名約定
• 周圍爲主。語法：例如打印，print調用print.lmprint.anova等，如果沒有找到，print.default

S4類

• Can dispatch on multiple arguments
• 複雜得多S3
實施

參考類

• 主要是有用的，以避免使大型對象的副本（按引用傳遞）
• Description of reasons to use RefClasses

原

• GGPLOT2原文爲原型，但最終會用S3重寫。
• 純概念（原型，而不是類），但似乎棘手的實踐
• GGPLOT2的下一個版本似乎要遠離它移動
• Description of the concept and implementation

R6類

• By-reference
• 不依賴於S4類
• 「Creating R6類與引用類相似，不同之處在於不需要分隔字段和方法，也不能指定字段的類型。」在12年3月8日

Answer 2

編輯：答案下面響應一塊它現在已經被刪除了最初發布問題。我已將其複製到下面，爲我的答案提供上下文：

不同的OO方法如何映射到例如在標準方法中使用的更標準的OO方法。 Java還是Python？

---

我的貢獻涉及到第二個問題，關於R的OO方法是如何映射到更標準的OO方法。正如我以前想過的那樣，我一次又一次地回到了兩段，一段是弗里德里希萊施，另一段是約翰錢伯斯。他們都很好地闡述了爲什麼R中類OO編程與其他許多語言相比具有不同的風格。

首先，弗里德里希Leisch，從「創建R程序包：教程」（warning: PDF）：

S是罕見的，因爲它是交互和對面向對象的系統。顯然，設計類是編程，但要使S成爲交互式數據分析環境很有用，它是一種功能語言是合理的。在「真正的」面向對象編程（OOP）語言（如C++或Java類）和方法定義緊密綁定在一起時，方法是類（以及對象）的一部分。我們希望像預定義類的用戶定義方法那樣增加和交互式添加。這些添加可以在任何時間點進行，即使在我們分析數據集時，也可以在命令行提示符下進行。 S試圖在面向對象和交互使用之間做出妥協，雖然折衷在所有他們試圖達到的目標上都不是最優的，但它們在實踐中往往工作得非常出色。

另一段來自約翰錢伯斯的精湛書籍"Software for Data Analysis"。 （Link to quoted passage）：

的OOP編程模型在所有S語言，但第一 點不同，即使S和一些其他功能的語言支持類 和方法。 OOP系統中的方法定義是本地的; 沒有要求同一個方法的名稱意味着相同的 事情爲一個不相關的類。相比之下，R中的方法定義並不是 駐留在類定義中;從概念上講，它們與通用 函數相關聯。類定義直接進入確定方法選擇，直接 或通過繼承。使用面向對象編程模型有時 沮喪或困惑，他們的節目不會直接轉移到R， 但它不能。所述功能使用的方法比較複雜，但可以具有有意義的功能也 更切合，並且不能被降低到 OOP版本。

Answer 3

S3和S4似乎是面向對象編程的官方（即內置）方法。我已經開始使用S3與嵌入在構造函數/方法中的函數的組合。我的目標是有一個對象$ method（）類型的語法，以便我有半私人領域。我說半私密，因爲沒有辦法真正隱藏它們（據我所知）。下面是一個簡單的例子，實際上並沒有做任何事情：

#' 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='')) 
} 

和一些測試代碼：

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') 

這裏是一個博客帖子我寫的這個做法的鏈接：http://bryer.org/2012/object-oriented-programming-in-r我歡迎評論，批評和建議，因爲如果這是最好的方法，我不相信自己。但是，對於我試圖解決的問題，它效果很好。特別是，對於makeR軟件包（http://jbryer.github.com/makeR），我不希望用戶直接更改數據字段，因爲我需要確保表示對象狀態的XML文件保持同步。只要用戶遵守我在文檔中概述的規則，就可以很好地工作。