淺談R語言的面向對象編程
R語言有兩種不一樣的OOP機制，分別是從其前身S語言繼承而來的S3 Object和S4 Object，其中S4 Object更加的正式、也是如今用於開發的主力軍，因此本文就從S4 Object談起，並在最後討論一下古老的S3 Object。
shell
那咱們就開始吧！首先咱們來設計一個時間序列類，在它的內部，須要包含主數據、起始時間與截止時間、取樣間隔這些數據。在R中咱們能夠定義以下：編程
setClass("TimeSeries",
representation(
data = "numeric",
start = "POSIXct",
end = "POSIXct"
)
)
在這段代碼中，data/start/end用於存放數據，稱做「槽(slot)」。函數
如今咱們已經定義了一個類，咱們就來建立一個TimeSeries對象吧！this
My_TimeSeries <- new("TimeSeries",
data = c(1,2,3,4,5,6),
start = as.POSIXct("01/12/2015 0:00:00", tz = "GMT",
format = "%m/%d/%Y %H:%M:%S"),
end = as.POSIXct("12/04/2015 0:00:00", tz = "GMT",
format = "%m/%d/%Y %H:%M:%S")
)
與其餘OOP語言相似，R中新建對象的通用函數也叫」new」，但只能用於新建S4對象。如今咱們來看看咱們剛剛新建的My_TimeSeries：spa
> My_TimeSeries An object of class "TimeSeries" Slot "data": [1] 1 2 3 4 5 6 Slot "start": [1] "2015-01-12 GMT" Slot "end": [1] "2015-12-04 GMT" >My_TimeSeries@data #可使用"@"符號來引用類中的內容 [1] 1 2 3 4 5 6 > My_TimeSeries@start [1] "2015-01-12 GMT"
可是，一個bug出現了：若是用戶把start和end顛倒、或者把end誤輸爲一個比start還靠前的時間，這樣會形成時間序列變得沒有意義。R語言提供了一個新建對象時的檢驗機制，只須要在setValidity函數中設置一下：prototype
setValidity("TimeSeries",
function(object) {
object@start < object@end &&
length(object@start) == 1 &&
length(object@end) == 1
}
)
如今咱們來試一下定義一個end在start前的TimeSeries對象：設計
> bad_TimeSeries <- new("TimeSeries",
+ data=c(7, 8, 9, 10, 11, 12),
+ start=as.POSIXct("07/01/2009 0:06:00", tz="GMT",
+ format="%m/%d/%Y %H:%M:%S"),
+ end=as.POSIXct("07/01/1999 0:11:00", tz="GMT",
+ format="%m/%d/%Y %H:%M:%S")
+ )
Error in validObject(.Object) : 類別爲「TimeSeries」的對象不對: FALSE
同時，也可使用validObject()函數來檢驗一個對象是否有效。code
> validObject(My_TimeSeries) [1] TRUE
其實，在定義類的時候也能夠經過validity參數定義該類的合法性判斷，如：orm
setClass("anotherTimeSeries",
representation(
data = "numeric",
start = "POSIXct",
end = "POSIXct"
),
validity = function(object){ #定義時加上合法性判斷
object@start < object@end &&
length(object@start) == 1 &&
length(object@end) == 1
}
)
這樣定義與前面的先定義類、後定義合法性檢測的作法是等價的，只是把兩步都集成到了setClass()函數中。對象
下面咱們來看一下R語言中函數的多態性。咱們先從重載一個通用函數summary()開始：
> summary(My_TimeSeries)
Length Class Mode
1 TimeSeries S4
> setMethod("summary", #重載summary
+ signature = "TimeSeries",
+ definition = function(object){
+ print( paste(object@start, " to ", object@end,
+ sep = "", collapse = ""))
+ print( paste(object@data, sep = ";", collapse = ""))
+ }
+ )
從the global environment裏的程輯包‘base’爲‘summary’創建新的泛型函數
[1] "summary"
> summary(My_TimeSeries)
[1] "2015-01-12 to 2015-12-04"
[1] "123456"
咱們能夠看到，當咱們沒對TimeSeries類重載summary()函數的時候，summary(My_TimeSeries)只提供了一些簡要的信息。而在咱們重載後，它就能夠按照咱們的要求輸出信息了。
同時，咱們知道運算符在R中也是至關於函數調用，也就是a+b與‘+’(a,b)是等價的。經過這個特性咱們就能夠重載R語言的運算符。
#這樣，就可使用My_TimeSeries[i]了
setMethod("[",
signature("TimeSeries"),
definition = function(x, i, j, ..., drop){
return(x@data[i])
}
)
> My_TimeSeries[3]
[1] 3
而要新建一個泛型函數，則可使用setGeneric()函數來定義、再用setMethod()函數來實現它對各類類的功能。
setGeneric("increment", #創建一個函數名爲increment的泛型函數
def = function(object, step, ...)
standardGeneric("increment")
)
#對TimeSeries類重載increment函數，使之返回object[step+1]-object[1]的數值
setMethod("increment",
signature = "TimeSeries",
def = function(object, step, ...){
return(object[step+1] - object[1])
}
)
#對numeric類重載increment函數，使之返回object[step-1]-object[1]的數值
setMethod("increment",
signature = "numeric",
def = function(object, step, ...){
return(object[step-1] - object[1])
}
)
那麼咱們的定義的這個increment()泛型函數是否有效呢？咱們來檢驗一下：
> increment(My_TimeSeries,3)#根據咱們的定義，應當返回My_TimeSeries[4]-My_TimeSeries[1]
[1] 3
> vec <- vector("numeric", length = 6)
> vec <- c(1:6)
#如今咱們來看一下對numeric型向量，運行increment()函數的結果
> increment(vec, 3)
[1] 1
在泛型函數的最後，讓我來寫一個錯誤的示範：
> setMethod("anotherIncrement",
+ signature = "TimeSeries",
+ def = function(object, step, ...){
+ return(object[step+1] - object[1])
+ }
+ )
Error in setMethod("anotherIncrement", signature = "TimeSeries", def = function(obj ect, :
函數‘anotherIncrement’沒有定義
在這個例子中，因爲我沒有定義anotherIncrement()爲泛型函數，直接調用setMethod()就會報錯——由於你根本沒有定義它！
而若是咱們對某個S4泛型函數不太瞭解，不知道它能夠用於哪些類時，就可使用showMethods()函數來看獲得它能夠做用的對象。
> showMethods(increment) Function: increment (package .GlobalEnv) object="integer" (inherited from: object="numeric") object="numeric" object="TimeSeries"
下面咱們來看看類的派生：如今咱們想要一個類來記錄我的體重的變化狀況。咱們但願記錄下我的的姓名和身高，其餘的信息直接使用TimeSeries類記錄就能夠了，咱們能夠定義以下：
setClass("WeightHistory", #派生
representation(
height = "numeric",
name = "character"
),
contains = "TimeSeries"
)
如今咱們來建立一個WeightHistory類的對象，來儲存AlexDannel的體重數據
AlexDannel <- new("WeightHistory",
data = c(120,118,119,123,121,119),
start = as.POSIXct("07/01/2015 0:00:00", tz = "GMT",
format = "%m/%d/%Y %H:%M:%S"),
end = as.POSIXct("12/01/2015 0:00:00", tz = "GMT",
format = "%m/%d/%Y %H:%M:%S"),
height = 166,
name = "Alex Dannel"
)
有沒有和新建TimeSeries序列對象的時候很像呢？
咱們還能夠用另外一種方法定義WeightHistory類，那就是先定義一個Person類，裏面包含name和height的slot（槽），而後直接從Person類和TimeSeries類繼承出來。
setClass("Person",
representation(
height = "numeric",
name = "character"
)
)
setClass("anotherWeightHistory",
contains = c("TimeSeries", "Person")
)
虛類：差點忘了還有虛類這個東東~ 其實在R中定義虛類也特別簡單
setClass("Cat", #定義一個cat類，讓NamedThing做爲它和Person的虛基類
representation(
breed = "character",
name = "character"
)
)
setClassUnion("NamedThing", #定義虛基類
c("Person", "Cat")
)
下面咱們來簡單討論一下S3 Object類吧！其實S3類要比S4類更加「隨意」，而S3類與JavaScript這種基於原型的(prototype-based)類很是類似。
#在S3類中，早已有對TimeSeries的定義，ts類對如今的R也是可用，如今咱們來建立一個ts對象 my.ts <- ts(data=c(1, 2, 3, 4, 5), start=c(2009, 2), frequency=12)
須要注意的是，S3類中不能使用@來取slot中的值。
而要建立一個S3類的對象，則可使用attr()函數或者structure()函數：
> x<-1 #經過attr建立 > attr(x,'class')<-'foo' > x [1] 1 >attr(,"class") [1] "foo" >class(x) "foo" >otype(x) #檢查x的類型 "S3"
#經過structure()建立 > y <- structure(2, class = "foo") > y [1] 2 attr(,"class") [1] "foo" > class(y) [1] "foo" > otype(y) [1] "S3"
而要定義一個S3泛型函數，也是比較靈活的——只需以下三步：
1. Pick a name for the generic function. We’ll call this gname.
2. Create a function named gname. In the body for gname, call UseMethod(「gname「).
3. For each class that you want to use with gname, create a function called
gname.classname whose first argument is an object of class classname.——《R in a nutshell》, 2nd Edition
以plot爲例，咱們想要重載plot函數，使之能夠對TimeSeries類繪圖，就能夠這樣定義：
plot.TimeSeries <- function(object, ...){
plot(object@data, ...)
}
如今，你就能夠直接經過plot(My_TimeSeries)來畫出圖像了！
而若是想要查看S3泛型函數能夠用於哪些類時，就可使用methods()函數來看獲得它能夠做用的對象（由於用S4的showMethods()函數會報錯→_→）。
> methods(plot) [1] plot.acf* plot.data.frame* plot.decomposed.ts* plot.default plot.dendrogram* plot.density* [7] plot.ecdf plot.factor* plot.formula* plot.function plot.hclust* plot.histogram* [13] plot.HoltWinters* plot.isoreg* plot.lm* plot.medpolish* plot.mlm* plot.ppr* [19] plot.prcomp* plot.princomp* plot.profile.nls* plot.raster* plot.shingle* plot.spec* [25] plot.stepfun plot.stl* plot.table* plot.trellis* plot.ts plot.tskernel* [31] plot.TukeyHSD* see '?methods' for accessing help and source code
咱們甚至能夠經過gets3method()函數來查看S3泛型函數的源代碼：
library(lattice)
getS3method("histogram", class = "formula")
到這裏，筆者所知的R語言面向對象編程就介紹完畢了。因爲做者水平有限，許多系統函數的參數沒能系統的描述。讀者不妨仔細閱讀setClass、setGeneric、setMethod、new、method等函數的幫助頁面，以加深對R語言OOP的理解。
- 1. 淺談OOP（面向對象編程）
- 2. 淺談PHP面向對象編程
- 3. JavaScript 面向對象編程淺談
- 4. 淺談面向對象編程與面向過程編程
- 5. 淺談面向過程編程和麪向對象編程
- 6. R語言基於S3的面向對象編程
- 7. R語言基於R6的面向對象編程
- 8. R語言基於RC的面向對象編程
- 9. R語言面向對象編程：S3和R6
- 10. 淺談面向過程和麪向對象編程
- 更多相關文章...
- • R 語言教程 - R 語言教程
- • PHP 面向對象 - PHP教程
- • 漫談MySQL的鎖機制
- • Docker容器實戰(八) - 漫談 Kubernetes 的本質
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 淺談OOP（面向對象編程）
- 2. 淺談PHP面向對象編程
- 3. JavaScript 面向對象編程淺談
- 4. 淺談面向對象編程與面向過程編程
- 5. 淺談面向過程編程和麪向對象編程
- 6. R語言基於S3的面向對象編程
- 7. R語言基於R6的面向對象編程
- 8. R語言基於RC的面向對象編程
- 9. R語言面向對象編程：S3和R6
- 10. 淺談面向過程和麪向對象編程