R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。
R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。
要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。
关于作者：
- 张丹(Conan), 程序员Java,R,PHP,Javascript
- weibo：@Conan_Z
- blog: http://blog.fens.me
- email: bsspirit@gmail.com
转载请注明出处：
http://blog.fens.me/r-class-s3/
前言
对于R语言的面向对象编程，不同于其他的编程语言，R语言提供了3种底层对象类型，一种是S3类型，一种是S4类型，还有一种是RC类型。
S3对象简单、具有动态性、结构化特征不明显；S4对象结构化、 功能强大；RC对象是2.12版本后使用的新类型，用于解决S3,S4很难实现的对象。
本文将从S3对象开始，介绍R语言面向对象编程的细节。
目录
- S3对象介绍
- 创建S3对象
- 泛型函数和方法调用
- 查看S3对象的函数
- S3对象继承
- S3对象的缺点
- S3对象的使用
1 S3对象介绍
在R语言中，基于S3对象的面向对象编程，是一种基于泛型函数的实现方式。泛型函数是一种特殊的函数, 根据传入对象的类型决定调用哪个具体的方法。基于S3对象实现的面向对象编程，不同其他语言的面向对象编程，是一种动态函数调用的模拟实现。S3对象被广泛应用于R的早期的开发包中。
关于面向对象的介绍，请参考文章：R语言面向对象编程
2 创建S3对象
本文的系统环境
- Linux: Ubuntu Server 12.04.2 LTS 64bit
- R: 3.0.1 x86_64-pc-linux-gnu
注：pryr只支持Linux系统环境
为了方便我们检查对象的类型，引入pryr包作为辅助工具。关于pryr包的介绍，请参考文章:撬动R内核的高级工具包pryr
# 加载pryr包
> library(pryr)
通过变量创建S3对象
> x<-1
> attr(x,'class')<-'foo'
> x
[1] 1
attr(,"class")
[1] "foo"
> class(x)
[1] "foo"
# 用pryr包的otype函数，检查x的类型
> otype(x)
[1] "S3"
通过structure()函数创建S3对象
> y <- structure(2, class = "foo")
> y
[1] 2
attr(,"class")
[1] "foo"
> class(y)
[1] "foo"
> otype(y)
[1] "S3"
创建一个多类型的S3对象
S3对象没有明确结构关系，一个S3对象可以有多个类型, S3对象的 class 属性可以是一个向量，包括多种类型。
> x<-1
> attr(x,'class')<- c("foo", "bar")
> class(x)
[1] "foo" "bar"
> otype(x)
[1] "S3"
3 泛型函数和方法调用
对于S3对象的使用，通常用UseMethod()函数来定义一个泛型函数的名称，通过传入参数的class属性，来确定不同的方法调用。
定义一个teacher的泛型函数
+ 用UseMethod()定义teacher泛型函数
+ 用teacher.xxx的语法格式定义teacher对象的行为
+ 其中teacher.default是默认行为
# 用UseMethod()定义teacher泛型函数
> teacher <- function(x, ...) UseMethod("teacher")
# 用pryr包中ftype()函数，检查teacher的类型
> ftype(teacher)
[1] "s3" "generic"
# 定义teacher内部函数
> teacher.lecture <- function(x) print("讲课")
> teacher.assignment <- function(x) print("布置作业")
> teacher.correcting <- function(x) print("批改作业")
> teacher.default<-function(x) print("你不是teacher")
方法调用时，通过传入参数的class属性，来确定不同的方法调用。
- 定义一个变量a，并设置a的class属性为lecture
- 把变量a，传入到teacher泛型函数中
- 函数teacher.lecture()函数的行为被调用
> a<-'teacher'
# 给老师变量设置行为
> attr(a,'class') <- 'lecture'
# 执行老师的行为
> teacher(a)
[1] "讲课"
当然，我们也可以直接调用teacher中定义的行为，如果这样做了就失败了面向对象封装的意义。
> teacher.lecture()
[1] "讲课"
> teacher.lecture(a)
[1] "讲课"
> teacher()
[1] "你不是teacher"
4 查看S3对象的函数
当我们使用S3对象进行面向对象封装后，可以用methods()函数来查看S3对象中的定义的内部行为函数。
# 查看teacher对象
> teacher
function(x, ...) UseMethod("teacher")
# 查看teacher对象的内部函数
> methods(teacher)
[1] teacher.assignment teacher.correcting teacher.default teacher.lecture
通过methods()的generic.function参数，来匹配泛型函数名字。
> methods(generic.function=predict)
[1] predict.ar* predict.Arima* predict.arima0*
[4] predict.glm predict.HoltWinters* predict.lm
[7] predict.loess* predict.mlm predict.nls*
[10] predict.poly predict.ppr* predict.prcomp*
[13] predict.princomp* predict.smooth.spline* predict.smooth.spline.fit*
[16] predict.StructTS*
Non-visible functions are asterisked
通过methods()的class参数，来匹配类的名字。
> methods(class=lm)
[1] add1.lm* alias.lm* anova.lm case.names.lm*
[5] confint.lm* cooks.distance.lm* deviance.lm* dfbeta.lm*
[9] dfbetas.lm* drop1.lm* dummy.coef.lm* effects.lm*
[13] extractAIC.lm* family.lm* formula.lm* hatvalues.lm
[17] influence.lm* kappa.lm labels.lm* logLik.lm*
[21] model.frame.lm model.matrix.lm nobs.lm* plot.lm
[25] predict.lm print.lm proj.lm* qr.lm*
[29] residuals.lm rstandard.lm rstudent.lm simulate.lm*
[33] summary.lm variable.names.lm* vcov.lm*
Non-visible functions are asterisked
用getAnywhere()函数，查看所有的函数。
# 查看teacher.lecture函数
> getAnywhere(teacher.lecture)
A single object matching ‘teacher.lecture’ was found
It was found in the following places
.GlobalEnv
registered S3 method for teacher
with value
function(x) print("讲课")
# 查看不可见的函数predict.ppr
> predict.ppr
Error: object 'predict.ppr' not found
> exists("predict.ppr")
[1] FALSE
# getAnywhere()函数查找predict.ppr
> getAnywhere("predict.ppr")
A single object matching ‘predict.ppr’ was found
It was found in the following places
registered S3 method for predict from namespace stats
namespace:stats
with value
function (object, newdata, ...)
{
if (missing(newdata))
return(fitted(object))
if (!is.null(object$terms)) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.omit,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
x <- model.matrix(Terms, m, contrasts.arg = object$contrasts)
}
else {
x <- as.matrix(newdata)
keep <- seq_len(nrow(x))
rn <- dimnames(x)[[1L]]
}
if (ncol(x) != object$p)
stop("wrong number of columns in 'x'")
res <- matrix(NA, length(keep), object$q, dimnames = list(rn,
object$ynames))
res[keep, ] <- matrix(.Fortran(C_pppred, as.integer(nrow(x)),
as.double(x), as.double(object$smod), y = double(nrow(x) *
object$q), double(2 * object$smod[4L]))$y, ncol = object$q)
drop(res)
}
<bytecode: 0x000000000df6c2d0>
<environment: namespace:stats>
使用getS3method()函数，也同样可以查看不可见的函数
# getS3method()函数查找predict.ppr
> getS3method("predict", "ppr")
function (object, newdata, ...)
{
if (missing(newdata))
return(fitted(object))
if (!is.null(object$terms)) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.omit,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
x <- model.matrix(Terms, m, contrasts.arg = object$contrasts)
}
else {
x <- as.matrix(newdata)
keep <- seq_len(nrow(x))
rn <- dimnames(x)[[1L]]
}
if (ncol(x) != object$p)
stop("wrong number of columns in 'x'")
res <- matrix(NA, length(keep), object$q, dimnames = list(rn,
object$ynames))
res[keep, ] <- matrix(.Fortran(C_pppred, as.integer(nrow(x)),
as.double(x), as.double(object$smod), y = double(nrow(x) *
object$q), double(2 * object$smod[4L]))$y, ncol = object$q)
drop(res)
}
<bytecode: 0x000000000df6c2d0>
<environment: namespace:stats>
5 S3对象的继承关系
S3对象有一种非常简单的继承方式，用NextMethod()函数来实现。
定义一个 node泛型函数
> node <- function(x) UseMethod("node", x)
> node.default <- function(x) "Default node"
# father函数
> node.father <- function(x) c("father")
# son函数，通过NextMethod()函数指向father函数
> node.son <- function(x) c("son", NextMethod())
# 定义n1
> n1 <- structure(1, class = c("father"))
# 在node函数中传入n1，执行node.father()函数
> node(n1)
[1] "father"
# 定义n2，设置class属性为两个
> n2 <- structure(1, class = c("son", "father"))
# 在node函数中传入n2，执行node.son()函数和node.father()函数
> node(n2)
[1] "son" "father"
通过对node()函数传入n2的参数，node.son()先被执行，然后通过NextMethod()函数继续执行了node.father()函数。这样其实就模拟了，子函数调用父函数的过程，实现了面向对象编程中的继承。
6 S3对象的缺点
从上面对S3对象的介绍来看，S3对象并不是完全的面向对象实现，而是一种通过泛型函数模拟的面向对象的实现。
- S3使用起来简单，但在实际的面向对象编程过程中，当对象关系有一定的复杂度，S3对象所表达的意义就会变得不太清楚。
- S3封装的内部函数，可绕过泛型函数的检查，以直接被调用。
- S3参数的class属性，可以被任意设置，没有预处理的检查。
- S3参数，只能通过调用class属性进行函数调用，其他属性则不会被class()函数执行。
- S3参数的class属性有多个值时，调用时会按照程序赋值顺序来调用第一个合法的函数。
所以，S3只能R语言面向对象的一种简单的实现。
7 S3对象的使用
S3对象系统，被广泛地应用于R语言的早期开发中。在base包中，就有很多的S3对象。
base包的S3对象
# mean函数
> mean
function (x, ...)
UseMethod("mean")
> ftype(mean)
[1] "s3" "generic"
# t函数
> ftype(t)
[1] "s3" "generic"
# plot函数
> ftype(plot)
[1] "s3" "generic"
自定义的S3对象
# 定义数字型变量a
> a <- 1
# 变量a的class为numeric
> class(a)
[1] "numeric"
# 定义泛型函数f1
> f1 <- function(x) {
+ a <- 2
+ UseMethod("f1")
+ }
# 定义f1的内部函数
> f1.numeric <- function(x) a
# 给f1()传入变量a
> f1(a)
[1] 2
# 给f1()传入数字99
> f1(99)
[1] 2
# 定义f1的内部函数
> f1.character <- function(x) paste("char", x)
# 给f1()传入字符a
> f1("a")
[1] "char a"
这样，我们就对S3对象系统有了一个全面认识，开始R语言的面向对象编程之路。
转载请注明出处：
http://blog.fens.me/r-class-s3/
