Question

我是一名统计学研究生，与R一起工作很多。我在其他编程环境中熟悉OOP。我甚至看到它在各种统计包中的使用，这些包定义了用于存储数据的新类。

在我毕业生的这个阶段，我通常会编写一些算法来进行某些类的分配 - 这需要原始数据并提供某种输出。我希望能够更容易地重用代码，并建立良好的编码习惯，特别是在我进行更多涉及的研究之前。请在R中进行统计编程时提供一些关于如何“思考OOP”的建议。

Answer 1

我认为你不应该这样做。尝试在工作流程方面考虑R.此页面上有一些有用的工作流程建议：

Workflow for statistical analysis and report writing

另一个重要的考虑因素是逐行分析与可重复研究。这里有一个很好的讨论：

writing functions vs. line-by-line interpretation in an R workflow

Answer 2

OOP的两个方面是数据和对数据进行操作的泛型/方法。

数据（尤其是作为分析输出的数据）通常由结构化和相互关联的数据框或其他对象组成，并且希望以协调的方式管理这些数据。因此，OOP的类概念，作为组织复杂数据的一种方式。

泛型和实现它们的方法代表对数据执行的常见操作。当一组泛型在概念上相关的类中一致地运行时，它们的实用性就来了。也许一个合理的例子是lm / glm作为类的输出，以及summary，anova，predict，residuals等作为泛型和方法的实现。

许多分析都遵循熟悉的工作流程;这里有一个类和方法的用户，并获得协调数据+熟悉的泛型的好处。思考'OOP'可能会引导您探索对象上的方法，而不是它的结构，并可能帮助您构建工作流程，以便它们遵循明确定义的通道已建立的课程和方法。

实现一种新颖的统计方法，人们可能会考虑如何将结果组织成一个表示为新类的连贯的，相互关联的数据结构，并编写与类似类上已建立的方法相对应的类的方法。在这里，人们可以通过便于后续计算的方式在内部表示数据，而不是用户可能想要“看到”它（将表示与接口分开）。对于您班级的用户来说很容易（正如Chambers所说，经常自己）在现有工作流程中使用新班级。

在'如何操作'之前询问'为什么是OOP'是一个有用的问题。

Answer 3

您可能需要查看以下链接：first one，second one。

如果你想在R中看到一些严肃的OO代码，请阅读ReferenceClasses的手册页（所谓的R5面向对象），并查看Rook包，因为它严重依赖于ReferenceClasses。 BTW，Rook是在R编码中合理使用R5的一个很好的例子。以前使用JAVA或C++的经验可能会有所帮助，因为R5方法调度与S3不同。实际上，S3 OO非常原始，因为实际的“类”被保存为对象属性，所以你可以很容易地改变它。

S3: <method>.<class>(<object>)
R5: <object>$<method>

无论如何，如果你能拿到一份副本，我建议：“坚果壳里的R”，第10章。

Answer 4

我对如何有效地使用R知之甚少，但是这里有一篇文章甚至允许我以OO的方式使用R：

http://www.ibm.com/developerworks/linux/library/l-r3/index.html

Answer 5

我对David Mertz的说法不以为然“方法包仍然有点试探性的，但是在BiggsTRC回答的链接中提到的一些经过适当调整的版本似乎肯定会在后来的R版本中继续使用。”在我看来，使用类和方法编程并使用方法包（S4）是在R中“思考OOP”的正确方法。

John M. Chambers的“数据分析软件”（2008）第9.2章“使用新类编程”（第335页）的最后一段指出： “使用新类所涉及的编程量可能比定义类所涉及的程序要多得多。您应该为新类的用户提供尽可能有效的编程（即使您希望成为自己的编程）因此，本章和第10章[“方法和通用函数”]中的编程风格有些不同并不是巧合。我们在这里做了一些更严肃的编程。“

考虑研究方法包（S4）。

Answer 6

除了这里的其他一些好的答案（例如Nutshell章节中的R等），你应该看一下核心的Bioconductor软件包。 BioC一直专注于使用S4类的强大OOP设计。

使用R时如何“思考OOP”？

6 个答案: