R和面向对象的编程

Question 1

在R中，以一种或另一种方式进行面向对象的编程非常有可能。但是，与例如Python不同，有许多方法可以实现面向对象：

该R.oo包
S3和S4类
参考班
在原包

我的问题是：

有哪些主要区别区分R中的OO编程这些方式？

理想情况下，此处的答案将为试图确定哪种OO编程方法最适合其需求的R程序员提供参考。

因此，我要求提供详细信息，以经验为基础，以客观的方式提出，并以事实和参考为后盾。阐明这些方法如何映射到标准OO做法的要点。

Question 2

S3班

不是真正的对象，更多是命名约定
基于。语法：例如用于打印，print通话print.lm print.anova等。如果找不到，print.default

S4班

可以调度多个参数
实施比S3更复杂

参考班

主要用于避免复制大对象（通过引用传递）
使用RefClasses的原因描述

原型

ggplot2最初是用原型编写的，但最终将使用S3进行重写。
简洁的概念（原型，而不是类），但在实践中似乎很棘手
ggplot2的下一版本似乎正在远离它
概念和实现的描述

R6班

引用
不依赖于S4类
“创建R6类与引用类相似，不同之处在于，无需分隔字段和方法，并且您无法指定字段的类型。”

Question 3

编辑于2012年3月8日：以下答案回答了最初发布的问题，此问题已被删除。我在下面复制了它，以提供答案的上下文：

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，即R的OO方法如何映射到更标准的OO方法。过去我一直在想这件事，我一次又一次地回到两篇文章中，一篇是弗里德里希·莱施（Friedrich Leisch）撰写的，另一篇是约翰·钱伯斯（John Chambers）撰写的。两者都很好地阐明了为什么R中类似于OO的编程与许多其他语言相比具有不同的风格。

首先，Friedrich Leisch，摘自“创建R包：教程”（警告：PDF）：

S很少见，因为它既是交互式的又具有面向对象的系统。设计类显然是编程，但要使S作为交互式数据分析环境有用，就可以认为S是一种功能语言。在像C ++或Java这样的“真正的”面向对象编程（OOP）语言中，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）。我们想要增量式和交互式添加，例如用于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，甚至在我们分析数据集时在命令行提示符下即时进行。S试图在面向对象和交互使用之间做出折衷，尽管折衷对于他们尝试达成的所有目标从来都不是最佳选择，但在实践中它们通常表现出令人惊讶的出色表现。

另一段来自约翰·钱伯斯（John Chambers）的绝妙著作“数据分析软件”。（链接至引用的段落）：

OOP编程模型除第一点外，在所有方面都与S语言不同，即使S和其他一些功能语言也支持类和方法。OOP系统中的方法定义在该类中是本地的。不需要方法的相同名称对于不相关的类意味着相同的事物。相比之下，R中的方法定义不驻留在类定义中。从概念上讲，它们与通用功能相关联。类定义直接或通过继承输入来确定方法选择。习惯于OOP模型的程序员有时会感到沮丧或困惑，因为他们的编程没有直接转移到R，但不能转移到R。方法的功能使用更加复杂，但也更加具有有意义的功能，因此不能简化为OOP版本。

Question 4

S3和S4似乎是OO编程的正式（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。我的目标是拥有一个object $ method（）类型的语法，以便拥有半私有字段。我说是半私有的，因为没有办法真正隐藏它们（据我所知）。这是一个简单的示例，实际上不执行任何操作：

#' 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')

这是我写的有关此方法的博客文章的链接：http : //bryer.org/2012/object-directional-programming-in-r我不赞成对此方法发表评论，提出批评和建议，我对此表示欢迎。我自己，如果这是最好的方法。但是，对于我试图解决的问题，它的效果很好。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对象状态的XML文件保持同步。只要用户遵守我在文档中概述的规则，此方法就可以完美工作。