R和面向对象在这种或那种方式编程

Question

面向对象程序设计是R.很可能然而，不同于例如Python中，有很多方法可以实现面向对象：

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

我的问题是：

什么主要差异区分这些方式的R在OO编程？

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，我要求的是细节，以客观的方式，根据经验提出，并以事实和参考为后盾。说明的奖励积分如何这些方法映射到标准的OO实践。

Answer 1

S3类

• 不是真的对象，更多的命名约定
• 周围为主。语法：例如打印，print调用print.lmprint.anova等，如果没有找到，print.default

S4类

• Can dispatch on multiple arguments
• 复杂得多S3
实施

参考类

• 主要是有用的，以避免使大型对象的副本（按引用传递）
• Description of reasons to use RefClasses

原

• GGPLOT2原文为原型，但最终会用S3重写。
• 纯概念（原型，而不是类），但似乎棘手的实践
• GGPLOT2的下一个版本似乎要远离它移动
• Description of the concept and implementation

R6类

• By-reference
• 不依赖于S4类
• “Creating R6类与引用类相似，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。”在12年3月8日

Answer 2

编辑：答案下面响应一块它现在已经被删除了最初发布问题。我已将其复制到下面，为我的答案提供上下文：

不同的OO方法如何映射到例如在标准方法中使用的更标准的OO方法。 Java还是Python？

---

我的贡献涉及到第二个问题，关于R的OO方法是如何映射到更标准的OO方法。正如我以前想过的那样，我一次又一次地回到了两段，一段是弗里德里希莱施，另一段是约翰钱伯斯。他们都很好地阐述了为什么R中类OO编程与其他许多语言相比具有不同的风格。

首先，弗里德里希Leisch，从“创建R程序包：教程”（warning: PDF）：

S是罕见的，因为它是交互和对面向对象的系统。显然，设计类是编程，但要使S成为交互式数据分析环境很有用，它是一种功能语言是合理的。在“真正的”面向对象编程（OOP）语言（如C++或Java类）和方法定义紧密绑定在一起时，方法是类（以及对象）的一部分。我们希望像预定义类的用户定义方法那样增加和交互式添加。这些添加可以在任何时间点进行，即使在我们分析数据集时，也可以在命令行提示符下进行。 S试图在面向对象和交互使用之间做出妥协，虽然折衷在所有他们试图达到的目标上都不是最优的，但它们在实践中往往工作得非常出色。

另一段来自约翰钱伯斯的精湛书籍"Software for Data Analysis"。 （Link to quoted passage）：

的OOP编程模型在所有S语言，但第一 点不同，即使S和一些其他功能的语言支持类 和方法。 OOP系统中的方法定义是本地的; 没有要求同一个方法的名称意味着相同的 事情为一个不相关的类。相比之下，R中的方法定义并不是 驻留在类定义中;从概念上讲，它们与通用 函数相关联。类定义直接进入确定方法选择，直接 或通过继承。使用面向对象编程模型有时 沮丧或困惑，他们的节目不会直接转移到R， 但它不能。所述功能使用的方法比较复杂，但可以具有有意义的功能也 更切合，并且不能被降低到 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与嵌入在构造函数/方法中的函数的组合。我的目标是有一个对象$ method（）类型的语法，以便我有半私人领域。我说半私密，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') 

这里是一个博客帖子我写的这个做法的链接：http://bryer.org/2012/object-oriented-programming-in-r我欢迎评论，批评和建议，因为如果这是最好的方法，我不相信自己。但是，对于我试图解决的问题，它效果很好。特别是，对于makeR软件包（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XML文件保持同步。只要用户遵守我在文档中概述的规则，就可以很好地工作。