[第 10 天] 物件導向 R 語言

2017 iT 邦幫忙鐵人賽

DAY 10

Big Data

R 語言使用者的 Python 學習筆記系列第 10 篇

2017鐵人賽 big data r python

tonykuoyj

2016-12-10 19:38:57

15759 瀏覽

分享至

R, at its heart, is a functional programming language.
Hadley Wickham

R 語言本質上是一個函數型程式語言，而 Python 是一個物件導向程式語言，這也是我認為 R 語言使用者在學習 Python 的時候會感到較為困惑的部分，尤其在面對類別（Class），屬性（Attribute）或者方法（Method）等陌生辭彙的時候，讓我們先用之前做過的練習切入。

截至 2016-12-10 下午 1 時第 8 屆 iT 邦幫忙各組的鐵人分別是 51、8、18、14、6 與 64 人，我們用一個 data frame 來紀錄參賽的組別與鐵人數，如果你對 data frame 這個資料結構有疑惑，我推薦你閱讀 [ 第 06 天] 資料結構（3）Data Frame
。

groups <- c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組")
ironmen <- c(51, 8, 18, 14, 6, 64)

# 跟 Python 程式比較這兩行
ironmen_df <- data.frame(groups, ironmen)
head(ironmen_df, n = 3)

day1001

import pandas as pd # 引用套件並縮寫為 pd

groups = ["Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"]
ironmen = [51, 8, 18, 14, 6, 64]

ironmen_dict = {"groups": groups,
                "ironmen": ironmen
                }

# 跟 R 語言程式比較這兩行
ironmen_df = pd.DataFrame(ironmen_dict)
ironmen_df.head(n = 3)

day1002

觀察程式的最後兩行，我們可以稍微地感受到函數型程式語言與物件導向程式語言的不同：

同樣為建立 data frame，R 語言使用 data.frame() 函數；Python 使用 pd 的 DataFrame() 方法
同樣為顯示 data frame 的前三列觀測值，R 語言使用 head() 函數；Python 使用 ironmen_df 的 head() 方法

今天我們先討論 R 語言的物件導向。

R 語言的物件導向

R 語言的物件導向有三大類別（Class）：

S3 類別
S4 類別
RC（Reference class）

除此之外，還有一個 Base types 類別是只有核心開發團隊才可以新增類別的物件導向類別，所以沒有把它列在上面的清單之中。

Base types 類別

利用 typeof() 與 is.primitive() 函數可以驗證什麼物件是屬於 Base types 類別。

# 自訂函數不屬於 base types
my_square <- function(input_num) {
    return(input_num^2)
}
typeof(my_square)
is.primitive(my_square)

# sum() 函數屬於 base types
typeof(sum)
is.primitive(sum)

day1003

Base types 類別的物件會在 typeof() 函數回傳 builtin，在 is.primitive() 函數會被判斷為 TRUE。

S3

S3 類別是 R 語言裡面最受歡迎的物件導向類別，內建的套件 stats 與 base 中全部都是使用 S3 類別。我們可以使用 pryr::otype() 函數來判斷某個物件是不是 S3 類別。

建立一個 S3 物件

S3 物件不需要正式的宣告或預先定義，只要將一個 list 資料結構給一個類別名稱即可。

library(pryr)

ironmen_list <- list(
    group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"),
    participants = c(51, 8, 18, 14, 6, 64)
)
class(ironmen_list) <- "ironmen"
ironmen_list
otype(ironmen_list)

day1004

屬性

使用 $ 可以取得 S3 物件中的屬性（attributes），跟從 list 資料結構中依元素名稱選取的語法相同。

ironmen_list <- list(
    group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"),
    participants = c(51, 8, 18, 14, 6, 64)
)
class(ironmen_list) <- "ironmen"

# 取得屬性
ironmen_list$group
ironmen_list$participants

day1005

方法

我們使用 UseMethod() 建立一個 S3 類別的方法 count_participants 來計算總鐵人數。

# 建立一個 S3 物件
ironmen_list <- list(
    group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"),
    participants = c(51, 8, 18, 14, 6, 64)
)
class(ironmen_list) <- "ironmen"

# 建立方法
count_participants <- function(obj) {
    UseMethod("count_participants")
}
count_participants.ironmen <- function(obj) {
    return(sum(obj$participants))
}

# 呼叫方法
count_participants(ironmen_list)

day1006

S3 物件的方法是內建函數（generic function）。

S4

S4 類別相較於 S3 類別更加嚴謹。我們可以使用 isS4() 函數來判斷物件是不是 S4 類別。

建立一個 S4 物件

我們需要使用 setClass() 函數來預先定義類別，設定有哪些 slots 以及他們的資料類型，並且使用 new() 函數建立新的物件。

# 預先定義類別
setClass("ironmen", slots = list(group="character", participants = "numeric"))

# 建立 S4 物件
ironmen_list <- new("ironmen", group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))
ironmen_list
isS4(ironmen_list)

day1007

屬性

使用 @ 可以取得 S4 物件中的屬性（attributes）。

# 預先定義類別
setClass("ironmen", slots = list(group="character", participants = "numeric"))

# 建立 S4 物件
ironmen_list <- new("ironmen", group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))

# 取得屬性
ironmen_list@group
ironmen_list@participants

day1008

方法

我們使用 setMethod() 函數建立一個 S4 類別的方法 count_participants 來計算總鐵人數。

# 預先定義類別
setClass("ironmen", slots = list(group="character", participants = "numeric"))

# 建立方法
setMethod("count_participants",
         "ironmen",
         function(obj) {
           return(sum(obj@participants))
         }
)

# 建立 S4 物件
ironmen_list <- new("ironmen", group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))

# 呼叫方法
count_participants(ironmen_list)

day1009

S4 類別的方法跟 S3 類別的方法同樣是內建函數（generic function）。

RC（Reference class）

RC 跟 Python 的物件導向較為相像，她建立出來的方法不是內建函數，而是屬於 RC 物件。

建立一個 RC 物件

我們需要使用 setRefClass() 函數來預先定義，設定有哪些 fields 以及他們的資料類型。

# 預先定義
Ironmen <- setRefClass("Ironmen", fields = list(group = "character", participants = "numeric"))

# 建立 RC 物件
ironmen_list <- Ironmen(group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))
ironmen_list

day1010

屬性

使用 $ 可以取得 RC 物件中的屬性（attributes）。

# 預先定義
Ironmen <- setRefClass("Ironmen", fields = list(group = "character", participants = "numeric"))

# 建立 RC 物件
ironmen_list <- Ironmen(group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))

ironmen_list$group
ironmen_list$participants

day1011

方法

在定義 RC 的時候將方法也撰寫進去。

Ironmen <- setRefClass("Ironmen",
    fields = list(group = "character", participants = "numeric"),
    methods = list(
        count_participants = function() {
            return(sum(participants))
        }
    )
)
ironmen_list <- Ironmen(group = c("Modern Web", "DevOps", "Cloud", "Big Data", "Security", "自我挑戰組"), participants = c(51, 8, 18, 14, 6, 64))
ironmen_list$count_participants()

day1012

比較表

我們用一張簡易的表格比較這三種物件導向類別。

| |S3 類別|S4 類別|RC|
|---------------------|
|定義|沒有正式的宣告|使用 setClass() 宣告|使用 setRefClass() 宣告|
|使用屬性|使用 $|使用 @|使用 $|
|方法定義|UseMethod()|setMethod()|setRefMethod()|
|方法歸屬|屬於內建函數|屬於內建函數|屬於 RC 類別|

如果拿不定主意要選擇哪一個物件導向類別，就選擇 S3 類別吧！

Three OO systems is a lot for one language, but for most R programming, S3 suffices. In R you usually create fairly simple objects and methods for pre-existing generic functions like print(), summary(), and plot(). S3 is well suited to this task, and the majority of OO code that I have written in R is S3. S3 is a little quirky, but it gets the job done with a minimum of code.
Hadley Wickham