R语言有两种不同的OOP机制，分别是从其前身S语言继承而来的S3 Object和S4 Object，其中S4 Object更加的正式、也是现在用于开发的主力军，所以本文就从S4 Object谈起，并在最后讨论一下古老的S3 Object。
那我们就开始吧！首先我们来设计一个时间序列类，在它的内部，需要包含主数据、起始时间与截止时间、取样间隔这些数据。在R中我们可以定义如下：
setClass("TimeSeries",
representation(
data = "numeric",
start = "POSIXct",
end = "POSIXct"
)
)在这段代码中，data/start/end用于存放数据，称作“槽(slot)”。
现在我们已经定义了一个类，我们就来创建一个TimeSeries对象吧！
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")
)与其他OOP语言类似，R中新建对象的通用函数也叫”new”，但只能用于新建S4对象。现在我们来看看我们刚刚新建的My_TimeSeries：
> 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 #可以使用"@"符号来引用类中的内容
[1] 1 2 3 4 5 6
> My_TimeSeries@start
[1] "2015-01-12 GMT"但是，一个bug出现了：如果用户把start和end颠倒、或者把end误输为一个比start还靠前的时间，这样会造成时间序列变得没有意义。R语言提供了一个新建对象时的检验机制，只需要在setValidity函数中设置一下：
setValidity("TimeSeries",
function(object) {
object@start < object@end &&
length(object@start) == 1 &&
length(object@end) == 1
}
)现在我们来试一下定义一个end在start前的TimeSeries对象：
> 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) : 类别为“TimeSeries”的对象不对: FALSE同时，也可以使用validObject()函数来检验一个对象是否有效。
> validObject(My_TimeSeries)
[1] TRUE其实，在定义类的时候也可以通过validity参数定义该类的合法性判断，如：
setClass("anotherTimeSeries",
representation(
data = "numeric",
start = "POSIXct",
end = "POSIXct"
),
validity = function(object){ #定义时加上合法性判断
object@start < object@end &&
length(object@start) == 1 &&
length(object@end) == 1
}
)这样定义与前面的先定义类、后定义合法性检测的做法是等价的，只是把两步都集成到了setClass()函数中。
下面我们来看一下R语言中函数的多态性。我们先从重载一个通用函数summary()开始：
> summary(My_TimeSeries)
Length Class Mode
1 TimeSeries S4
> setMethod("summary", #重载summary
+ signature = "TimeSeries",
+ definition = function(object){
+ print( paste(object@start, " to ", object@end,
+ sep = "", collapse = ""))
+ print( paste(object@data, sep = ";", collapse = ""))
+ }
+ )
从the global environment里的程辑包‘base’为‘summary’建立新的泛型函数
[1] "summary"
> summary(My_TimeSeries)
[1] "2015-01-12 to 2015-12-04"
[1] "123456"我们可以看到，当我们没对TimeSeries类重载summary()函数的时候，summary(My_TimeSeries)只提供了一些简要的信息。而在我们重载后，它就可以按照我们的要求输出信息了。
同时，我们知道运算符在R中也是相当于函数调用，也就是a+b与‘+’(a,b)是等价的。通过这个特性我们就可以重载R语言的运算符。
#这样，就可以使用My_TimeSeries[i]了
setMethod("[",
signature("TimeSeries"),
definition = function(x, i, j, ..., drop){
return(x@data[i])
}
)
> My_TimeSeries[3]
[1] 3而要新建一个泛型函数，则可以使用setGeneric()函数来定义、再用setMethod()函数来实现它对各种类的功能。
setGeneric("increment", #建立一个函数名为increment的泛型函数
def = function(object, step, ...)
standardGeneric("increment")
)
#对TimeSeries类重载increment函数，使之返回object[step+1]-object[1]的数值
setMethod("increment",
signature = "TimeSeries",
def = function(object, step, ...){
return(object[step+1] - object[1])
}
)
#对numeric类重载increment函数，使之返回object[step-1]-object[1]的数值
setMethod("increment",
signature = "numeric",
def = function(object, step, ...){
return(object[step-1] - object[1])
}
)那么我们的定义的这个increment()泛型函数是否有效呢？我们来检验一下：
> increment(My_TimeSeries,3)#根据我们的定义，应当返回My_TimeSeries[4]-My_TimeSeries[1]
[1] 3
> vec <- vector("numeric", length = 6)
> vec <- c(1:6)
#现在我们来看一下对numeric型向量，运行increment()函数的结果
> increment(vec, 3)
[1] 1在泛型函数的最后，让我来写一个错误的示范：
> setMethod("anotherIncrement",
+ signature = "TimeSeries",
+ def = function(object, step, ...){
+ return(object[step+1] - object[1])
+ }
+ )
Error in setMethod("anotherIncrement", signature = "TimeSeries", def = function(obj ect, :
函数‘anotherIncrement’没有定义在这个例子中，由于我没有定义anotherIncrement()为泛型函数，直接调用setMethod()就会报错——因为你根本没有定义它！
而如果我们对某个S4泛型函数不太了解，不知道它可以用于哪些类时，就可以使用showMethods()函数来看得到它可以作用的对象。
> showMethods(increment)
Function: increment (package .GlobalEnv)
object="integer"
(inherited from: object="numeric")
object="numeric"
object="TimeSeries"下面我们来看看类的派生：现在我们想要一个类来记录个人体重的变化情况。我们希望记录下个人的姓名和身高，其他的信息直接使用TimeSeries类记录就可以了，我们可以定义如下：
setClass("WeightHistory", #派生
representation(
height = "numeric",
name = "character"
),
contains = "TimeSeries"
)现在我们来创建一个WeightHistory类的对象，来储存AlexDannel的体重数据
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"
)有没有和新建TimeSeries序列对象的时候很像呢？
我们还可以用另一种方法定义WeightHistory类，那就是先定义一个Person类，里面包含name和height的slot（槽），然后直接从Person类和TimeSeries类继承出来。
setClass("Person",
representation(
height = "numeric",
name = "character"
)
)
setClass("anotherWeightHistory",
contains = c("TimeSeries", "Person")
)虚类：差点忘了还有虚类这个东东~ 其实在R中定义虚类也特别简单
setClass("Cat", #定义一个cat类，让NamedThing作为它和Person的虚基类
representation(
breed = "character",
name = "character"
)
)
setClassUnion("NamedThing", #定义虚基类
c("Person", "Cat")
)下面我们来简单讨论一下S3 Object类吧！其实S3类要比S4类更加“随意”，而S3类与JavaScript这种基于原型的(prototype-based)类非常相似。
#在S3类中，早已有对TimeSeries的定义，ts类对现在的R也是可用，现在我们来创建一个ts对象
my.ts <- ts(data=c(1, 2, 3, 4, 5), start=c(2009, 2), frequency=12)需要注意的是，S3类中不能使用@来取slot中的值。
而要创建一个S3类的对象，则可以使用attr()函数或者structure()函数：
> x<-1 #通过attr创建
> attr(x,'class')<-'foo' > x
[1] 1
>attr(,"class")
[1] "foo"
>class(x)
"foo"
>otype(x) #检查x的类型
"S3"#通过structure()创建
> y <- structure(2, class = "foo")
> y
[1] 2
attr(,"class")
[1] "foo"
> class(y)
[1] "foo"
> otype(y)
[1] "S3"而要定义一个S3泛型函数，也是比较灵活的——只需如下三步：
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为例，我们想要重载plot函数，使之可以对TimeSeries类绘图，就可以这样定义：
plot.TimeSeries <- function(object, ...){
plot(object@data, ...)
}现在，你就可以直接通过plot(My_TimeSeries)来画出图像了！
而如果想要查看S3泛型函数可以用于哪些类时，就可以使用methods()函数来看得到它可以作用的对象（因为用S4的showMethods()函数会报错→_→）。
> 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我们甚至可以通过gets3method()函数来查看S3泛型函数的源代码：
library(lattice)
getS3method("histogram", class = "formula")
到这里，笔者所知的R语言面向对象编程就介绍完毕了。由于作者水平有限，许多系统函数的参数没能系统的描述。读者不妨仔细阅读setClass、setGeneric、setMethod、new、method等函数的帮助页面，以加深对R语言OOP的理解。
来源：oschina
链接：https://my.oschina.net/u/2431498/blog/540968