R 语言入门实战｜第八章 S3 系统：用面向对象思维美化“老虎机”输出
引言：第八章为何是 R 编程 “进阶分水岭”？
在第七章的老虎机项目中，我们实现的play()函数能生成符号和奖金，但存在两个明显缺陷：输出格式杂乱（符号与奖金分离显示）、结果存储不完整（奖金与对应符号未绑定）。《R 语言入门与实践》第八章 “R 的 S3 系统”，正是解决这类 “对象行为自定义” 问题的关键 —— 通过 R 的轻量级面向对象系统（S3），为自定义对象赋予专属属性和显示规则，让老虎机的输出既美观又完整，同时掌握 R 中 “泛型函数 - 方法” 的核心机制。
本章的核心价值在于：理解 S3 系统如何通过 “属性、泛型函数、方法” 三要素实现动态行为分派，学会为自定义对象（如老虎机结果）设计专属类和显示逻辑，这是编写 “人性化” R 程序的核心技能。
一、S3 系统核心认知：3 分钟搞懂三大组成
S3 系统是 R 的 “隐形面向对象框架”，无需复杂语法，仅通过属性（Attribute）、泛型函数（Generic Function）、方法（Method） 三者协同工作，就能让 R 函数根据对象的 “类” 动态调整行为。其核心逻辑可类比 “快递配送”：
- 属性：对象的 “快递标签”（如老虎机结果的 “符号组合”“类名”）；
- 泛型函数：“配送系统”（如
print()），负责接收对象并分派任务； - 方法：“专属配送员”（如
print.slots），针对特定类的对象执行定制逻辑。
二、第八章核心新函数：参数详解与实战示例
第八章围绕 S3 系统引入多个核心函数，涵盖属性操作、对象创建、方法分派等关键场景，以下是每个函数的核心参数与实战用法（完全贴合文档第八章内容）。
2.1 attr()：获取 / 设置对象属性
attr()是 S3 系统的 “属性操作工具”，用于给对象添加、修改或提取自定义属性（如老虎机结果的symbols属性）。
核心参数
| 参数 | 作用说明 | 类型要求 | 默认值 |
|---|---|---|---|
x | 待操作的对象（如老虎机奖金数值） | 任意 R 对象 | 无 |
which | 属性名称（字符串格式，如"symbols"） | 字符型向量 | 无 |
value | 属性值（可选，用于设置属性） | 任意 R 对象（与属性匹配） | NULL |
实战示例
# 1. 生成老虎机结果（沿用第七章函数）
get_symbols <- function() {wheel <- c("DD", "7", "BBB", "BB", "B", "C", "0")sample(wheel, size = 3, replace = TRUE, prob = c(0.03, 0.03, 0.06, 0.1, 0.25, 0.01, 0.52))
}
score <- function(symbols) { # 简化版奖金计算if (all(symbols == "7")) return(80)return(0)
}# 2. 用attr()给奖金添加symbols属性
prize <- score(get_symbols())
attr(prize, "symbols") <- get_symbols() # 设置属性：符号组合# 3. 提取属性
attr(prize, "symbols") # 输出：[1] "BB" "0" "C"（随随机结果变化）# 4. 删除属性
attr(prize, "symbols") <- NULL
attr(prize, "symbols") # 输出：NULL拓展案例：给数据框添加元数据属性
在数据分析中，常需给数据集添加 “来源”“采集时间” 等元数据，attr()是最佳工具：
# 1. 创建数据集
iris_sub <- iris[1:10, ]# 2. 添加元数据属性
attr(iris_sub, "data_source") <- "UCI机器学习库"
attr(iris_sub, "collect_time") <- "2024-05-01"# 3. 查看所有属性
attributes(iris_sub) # 输出包含data_source、collect_time及原有row.names、class等
# $row.names
# [1] 1 2 3 4 5 6 7 8 9 10
# $class
# [1] "data.frame"
# $data_source
# [1] "UCI机器学习库"
# $collect_time
# [1] "2024-05-01"# 4. 提取单个属性
attr(iris_sub, "data_source") # 输出：[1] "UCI机器学习库"关键解析
attr()是 “精准操作” 工具，一次仅处理一个属性；- 属性值可以是任意 R 对象（向量、字符串、甚至函数），但建议与对象用途匹配（如元数据用字符串，关联数据用向量）；
- 删除属性的本质是将
value设为NULL，而非删除属性名本身。
2.2 structure()：属性与对象的 “一键封装”
structure()是 S3 系统的 “高效封装工具”，可在创建对象时一次性添加多个属性（含类属性），避免多次调用attr()，对应文档第八章 8.2 节。
核心参数
| 参数 | 作用说明 | 类型要求 | 默认值 |
|---|---|---|---|
.Data | 基础对象（如数值、向量、数据框） | 任意 R 对象 | 无 |
... | 属性键值对（格式：属性名 = 属性值） | 可多个，属性名无引号 | 无 |
书中案例：老虎机play()函数的 S3 改造
第七章的play()仅返回奖金，第八章用structure()绑定符号组合和类属性，让结果更完整：
# 改造后：返回带symbols属性和slots类的奖金
play <- function() {symbols <- get_symbols() # 生成3个符号prize <- score(symbols) # 计算奖金# 封装：基础对象是prize，附加symbols属性和slots类structure(prize, symbols = symbols, class = "slots")
}# 调用函数查看结果
result <- play()
str(result) # 查看对象结构
# 输出：
# num 0 # 基础对象（奖金）
# attr(,"symbols") # 附加属性（符号组合）
# chr [1:3] "B" "BB" "0"
# attr(,"class") # 类属性（slots）
# chr "slots"拓展案例：创建带 “标注” 的时间序列对象
在时间序列分析中，可用structure()给向量添加时间标签和类属性：
# 1. 生成每日销售额数据
sales <- c(1200, 1500, 1300, 1800, 2000)# 2. 封装：添加日期标签、数据类型、来源属性
sales_ts <- structure(.Data = sales,dates = as.Date(c("2024-05-01", "2024-05-02", "2024-05-03", "2024-05-04", "2024-05-05")),data_type = "日销售额",source = "门店POS系统",class = "my_ts" # 自定义类
)# 3. 查看对象
sales_ts
# 输出：
# [1] 1200 1500 1300 1800 2000
# attr(,"dates")
# [1] "2024-05-01" "2024-05-02" "2024-05-03" "2024-05-04" "2024-05-05"
# attr(,"data_type")
# [1] "日销售额"
# attr(,"source")
# [1] "门店POS系统"
# attr(,"class")
# [1] "my_ts"关键解析
structure()的核心优势是 “一次性封装”，尤其适合创建含多属性的自定义对象；- 类属性（
class = "xxx"）是 S3 系统的 “身份标识”，后续泛型函数会根据这个标识分派方法； - 与
attr()的区别：attr()侧重 “单个属性的增删改查”，structure()侧重 “对象 + 多属性的一次性创建”。
2.3 UseMethod()：泛型函数的 “动态分派引擎”
UseMethod()是 S3 系统的 “核心大脑”，用于在泛型函数中根据对象的class属性，自动调用对应的 “类方法”（如print()调用print.slots），对应文档第八章 8.3-8.4 节。
核心参数
| 参数 | 作用说明 | 类型要求 | 默认值 |
|---|---|---|---|
generic | 泛型函数名（必须为字符串格式） | 长度为 1 的字符型向量 | 无 |
... | 传递给方法的参数（如对象本身、附加参数） | 与方法参数匹配 | 无 |
书中案例：print()泛型函数的分派逻辑
R 自带的print()函数本质是通过UseMethod()实现动态行为：
# 查看print函数源码（简化版）
print <- function(x, ...) {UseMethod("print") # 根据x的class属性找对应方法
}# 当x是"slots"类时，自动调用print.slots方法
print(result) # 触发print.slots(result)拓展案例：自定义泛型函数my_summary
创建一个能根据对象类型返回不同摘要的泛型函数，演示UseMethod()的用法：
# 1. 定义泛型函数
my_summary <- function(x, ...) {UseMethod("my_summary") # 按x的class分派方法
}# 2. 为数值型向量定义方法
my_summary.numeric <- function(x, ...) {cat("数值向量摘要：\n")cat(paste("均值：", mean(x), "\n"))cat(paste("中位数：", median(x), "\n"))cat(paste("标准差：", sd(x), "\n"))
}# 3. 为data.frame定义方法
my_summary.data.frame <- function(x, ...) {cat("数据框摘要：\n")cat(paste("行数：", nrow(x), "\n"))cat(paste("列数：", ncol(x), "\n"))cat("数值列均值：\n")print(colMeans(x[sapply(x, is.numeric)], na.rm = TRUE))
}# 4. 测试分派逻辑
my_summary(c(1, 2, 3, 4, 5)) # 调用my_summary.numeric
# 输出：
# 数值向量摘要：
# 均值： 3
# 中位数： 3
# 标准差： 1.581139 my_summary(iris[1:10, ]) # 调用my_summary.data.frame
# 输出：
# 数据框摘要：
# 行数： 10
# 列数： 5
# 数值列均值：
# Sepal.Length Sepal.Width Petal.Length Petal.Width
# 5.040 3.410 1.460 0.240 关键解析
- 泛型函数的命名无特殊规则，但通常与功能相关（如
summary、print）； - 方法的命名必须遵循 “
泛型函数名.类名”（如my_summary.numeric），否则UseMethod()无法找到； - 若对象的类无对应方法，会调用
泛型函数名.default（如my_summary.default，未定义则报错）。
2.4 methods()：S3 系统的 “方法查询工具”
methods()用于查询泛型函数支持的所有方法，或某个类对应的所有方法，是调试 S3 系统的 “放大镜”，对应文档第八章 8.4-8.5 节。
核心参数
| 参数 | 作用说明 | 类型要求 | 默认值 |
|---|---|---|---|
generic.function | 泛型函数（如print、summary） | 泛型函数对象（无引号） | 无 |
class | 类名（如"slots"、"data.frame"） | 长度为 1 的字符型向量 | NULL |
书中案例：查询print泛型函数的方法
查看print支持哪些类的自定义方法：
# 查看print泛型函数的前10个方法
head(methods(print), 10)
# 输出：
# [1] print.acf* print.anova* print.aov* print.aovlist* print.ar*
# [6] print.Arima* print.arules* print.AsIs* print.assoc_rules* print.audioSample*
# （带*表示非可见方法）拓展案例：查询data.frame类的所有方法
了解 R 对数据框的默认支持，可快速掌握数据框的可用功能：
# 查看data.frame类对应的所有方法（前10个）
head(methods(class = "data.frame"), 10)
# 输出：
# [1] [.data.frame [[.data.frame $<-.data.frame $[[<-.data.frame
# [5] aggregate.data.frame anyDuplicated.data.frame as.data.frame.data.frame as.list.data.frame
# [9] as.matrix.data.frame cbind.data.frame 关键解析
- 用
methods(generic.function = 泛型函数)查该函数的所有方法； - 用
methods(class = "类名")查该类的所有方法； - 带
*的方法表示 “非可见”（通常来自未加载的包或内部函数），加载对应包后可正常使用。
2.5 slot_display()：S3 实战的 “输出美化工具”
slot_display()并非 R 系统函数，而是第八章为老虎机项目设计的 “自定义格式化函数”，用于将 “符号 + 奖金” 整合为易读格式，是 S3 实战的核心工具。
核心参数
| 参数 | 作用说明 | 类型要求 | 默认值 |
|---|---|---|---|
prize | 带symbols属性的slots类对象 | 数值型对象（含指定属性） | 无 |
书中案例：老虎机结果的美化输出
slot_display <- function(prize) {# 1. 提取symbols属性（符号组合）symbols <- attr(prize, "symbols")# 2. 合并符号为单个字符串（无分隔符）symbols_str <- paste(symbols, collapse = "")# 3. 拼接符号与奖金（换行分隔）output <- paste(symbols_str, paste("$", prize, sep = ""), sep = "\n")# 4. 输出（无引号，更美观）cat(output)
}# 调用测试
slot_display(result)
# 可能输出：
# BBB0C
# $0拓展案例：自定义数据框的美化输出函数
参考slot_display()的思路，为my_ts类（之前定义的销售数据）写美化函数：
# 为my_ts类写输出函数
ts_display <- function(ts_obj) {# 提取属性dates <- attr(ts_obj, "dates")data_type <- attr(ts_obj, "data_type")source <- attr(ts_obj, "source")# 拼接输出内容cat(paste("数据类型：", data_type, "\n"))cat(paste("数据来源：", source, "\n"))cat("数据详情：\n")df <- data.frame(日期 = dates, 数值 = ts_obj)print(df)
}# 调用测试
ts_display(sales_ts)
# 输出：
# 数据类型： 日销售额
# 数据来源： 门店POS系统
# 数据详情：
# 日期 数值
# 1 2024-05-01 1200
# 2 2024-05-02 1500
# 3 2024-05-03 1300
# 4 2024-05-04 1800
# 5 2024-05-05 2000关键解析
- 美化函数的核心逻辑：提取属性→整合内容→用
cat()输出（cat()无引号，比print()更美观）； - 通常与 S3 方法结合使用（如将
ts_display()嵌入print.my_ts方法），实现自动美化。
三、综合实战：用 S3 重构老虎机程序（完整流程）
结合第八章所有知识点，改造第七章老虎机程序，实现 “结果自动绑定属性 + 自定义美化显示”，步骤如下：
步骤 1：定义基础工具函数
沿用第七章的符号生成和奖金计算函数（补充钻石百搭逻辑）：
# 1. 生成老虎机符号（含概率）
get_symbols <- function() {wheel <- c("DD", "7", "BBB", "BB", "B", "C", "0")sample(wheel, size = 3, replace = TRUE, prob = c(0.03, 0.03, 0.06, 0.1, 0.25, 0.01, 0.52))
}# 2. 计算奖金（含钻石百搭+翻倍逻辑）
score <- function(symbols) {diamonds <- sum(symbols == "DD") # 钻石数量cherries <- sum(symbols == "C") # 樱桃数量# 处理百搭符号（钻石可当作任意非樱桃符号）slots <- symbols[symbols != "DD"]same <- length(unique(slots)) == 1 # 3个符号相同（含钻石百搭）bars <- all(slots %in% c("B", "BB", "BBB")) # 全是杠# 基础奖金计算if (diamonds == 3) {prize <- 100} else if (same) {payouts <- c("7" = 80, "BBB" = 40, "BB" = 25, "B" = 10, "C" = 10, "0" = 0)prize <- payouts[slots[1]]} else if (bars) {prize <- 5} else if (cherries > 0) {prize <- c(0, 2, 5)[cherries + diamonds + 1] # 樱桃+钻石算樱桃数量} else {prize <- 0}# 钻石翻倍（每颗钻石×2）prize * (2 ^ diamonds)
}步骤 2：用structure()改造play()函数
绑定symbols属性和slots类，让结果 “自带身份标识”：
play <- function() {symbols <- get_symbols()prize <- score(symbols)# 封装：奖金+符号组合属性+slots类structure(prize, symbols = symbols, class = "slots")
}# 测试：生成带属性的结果
result <- play()
result # 暂未自定义方法，显示默认格式
# 输出：
# [1] 2
# attr(,"symbols")
# [1] "C" "DD" "0"
# attr(,"class")
# [1] "slots"步骤 3：自定义print.slots方法
将slot_display()嵌入 S3 方法，实现 “调用print()自动美化”：
# 定义print.slots方法（命名必须匹配“泛型函数名.类名”）
print.slots <- function(x, ...) {slot_display(x) # 复用美化函数
}# 测试自动分派
result <- play()
print(result) # 自动调用print.slots
# 可能输出：
# CDD0
# $8# 直接键入对象名也会触发print()
result
# 可能输出：
# CDD0
# $8步骤 4：验证 S3 分派逻辑
用methods()确认方法绑定成功，用class()检查对象身份：
# 1. 查看slots类的所有方法
methods(class = "slots")
# 输出：[1] print.slots # 方法绑定成功# 2. 查看对象类
class(result)
# 输出：[1] "slots" # 身份标识正确四、S3 系统避坑指南：新手常踩的 3 个坑
坑 1：方法命名错误导致无法分派
错误案例：将print.slots写成printSlots或slots.print；
原因：S3 方法必须严格遵循 “泛型函数名.类名” 的格式；
解决：用methods(class = "slots")检查方法名是否正确。
坑 2：未设置类属性导致方法失效
错误案例：仅添加symbols属性，未设置class = "slots"；
原因：UseMethod()依赖class属性识别对象类型；
解决：用class(x) <- "slots"手动设置，或structure()一次性封装。
坑 3：泛型函数未调用UseMethod()
错误案例：自定义泛型函数时直接写逻辑，未加UseMethod()；
原因：未触发动态分派，永远执行同一逻辑；
解决：泛型函数核心仅保留UseMethod()，逻辑写在对应方法中。
五、第八章核心小结
S3 系统三要素：
- 「属性」：对象的 “附加信息”，用
attr()操作单个属性，structure()批量封装； - 「泛型函数」：动态分派的 “入口”，核心是
UseMethod()； - 「方法」：针对特定类的 “实现”，命名格式为 “
泛型函数名.类名”。
- 「属性」：对象的 “附加信息”，用
核心函数价值：
attr()：精准操作属性，适合元数据管理；structure()：高效封装对象 + 属性 + 类，是自定义对象的 “首选工具”；UseMethod()：S3 的 “大脑”，实现 “一个函数适配多种对象”；methods()：调试 S3 的 “放大镜”，快速查看方法绑定情况。
实战收获：通过 S3 系统，我们解决了老虎机 “输出丑、信息散” 的问题，更重要的是掌握了 “面向对象思维”—— 这是编写可维护、人性化 R 程序的核心，为后续循环模拟（第九章）、代码提速（第十章）打下基础。
下一章（第九章）将学习for/while循环，用 S3 封装的老虎机结果进行百万次模拟，计算真实返还率 —— 让你的 R 程序从 “单次运行” 升级为 “批量模拟”！