如何创建一个在 data.frame 中运行良好的新类型？

Question

我想有几种方法可以做到这一点。因此，这个问题的答案 可能是主观的，如果不是自以为是的话。所以我会尝试缩小问题的范围，并且 告诉你我已经做过的细节。

上下文

我正在使用R6 包，我创建了一个IntervalNumeric R6Class 有两个字段lower_bound 和upper_bound：

require(R6)
NumericInterval <-
  R6Class(
        "NumericInterval",
        public = list(
          lower_bound = NA,
          upper_bound = NA,
          initialize = function(low, up) {
            self$lower_bound <- low
            self$upper_bound <- up
          },
          as_character = function() {
            paste0("[", self$lower_bound, ", ",
                        self$upper_bound, "]")}))

我还使用S3 泛型方法系统来获得as.character 和printfor NumericInterval 类型：

as.character.NumericInterval <- function(x, ...) {
  x$as_character()}
print.NumericInterval <- function(x, ...) {
  x$as_character()}

现在我可以做到这一点（print 也是如此）：

> as.character(NumericInterval$new(0, pi))

[1] "[0, 3.14159265358979]"

---

问题：

现在需要做什么才能将此新类型用作data.frame 列类型？

例如我希望能够做到这一点：

(df <- data.frame(
   X = c("I1", "I2", "I3"),
   Y = c(NumericInterval$new(0,1),
         NumericInterval$new(1,2),
         NumericInterval$new(2,3)))

然后得到：

   X      Y
1 I1 [0, 1]
2 I2 [1, 2]
3 I3 [2, 3]

但我明白了：

Error in as.data.frame.default(x[[i]], optional = TRUE) :
  cannot coerce class ‘c("NumericInterval", "R6")’ to a data.frame

当然，我也希望能够访问对象并执行以下操作：

df[2, 2]$lower_bound <- 0

---

tibbles 似乎是一个解决方案

(df <- tibble(
X = c("I1", "I2", "I3"),
Y = c(NumericInterval$new(0,1),
NumericInterval$new(1,2),
NumericInterval$new(2,3))))

产生：

# A tibble: 3 x 2
  X     Y
  <chr> <list>
1 I1    <NmrcIntr>
2 I2    <NmrcIntr>
3 I3    <NmrcIntr>

每个NumericInterval 都按预期放置，例如：

> require(dplyr)
> df[2,1][[1]] %>% pull


[[1]]
<NumericInterval>
  Public:
    as_character: function ()
    clone: function (deep = FALSE)
    initialize: function (low, up)
    lower_bound: 0
    upper_bound: 1

但是tibble的输出和访问对象的方式不是我的 期待。

Answer 1

在将 R6 对象强制转换为数据框之前，您需要做出一些设计决策。也许最重要的是您希望矢量化发生在哪个级别。

在您的示例中，您将“原子”NumericIntervals 放入向量中，这当然有一些优点，但主要缺点是当您尝试在 @987654323 的集合上使用基本 R 向量函数时@s，R 将对象视为环境（这就是 R6 对象）。这意味着您不会得到您正在寻找的那种行为，因为您希望 R 处理 这些 环境向量的方式不同于它通常处理环境向量的方式。换句话说，要处理这种工作方式，您需要定义 另一个 类，其中包含管理向量操作的方法。这是可能的，但看起来复杂、混乱且效率低下。

在我看来，将矢量化保留在单个 R6 对象中会更好——也就是说，在单个 R6 对象中包含 lower_bounds 和 upper_bounds 的矢量。 R6 类可以处理打印、格式化和子集化，并且可以作为数据框本身的一整列。

要做到这一切，您首先需要定义一些 R6 泛型函数的特化：

`[.R6` <- function(x, ...) x$`[`(...) 
`[<-.R6` <- function(x, ...) x$`[<-`(...)
length.R6 <- function(x) x$length()
format.R6 <- function(x) x$format()
as.data.frame.R6 <- function(x, ...) x$as.data.frame()

将这些设置为 .R6 而不是 NumericInterval 允许您在多个不同的类中使用它们。

现在我们可以用我们需要的特化来定义我们的类：

NumericInterval <- R6Class("NumericInterval",
        public = list(
          lower_bound = NA,
          upper_bound = NA,
          initialize = function(low, up) {
            self$lower_bound <- low
            self$upper_bound <- up
          },
          `[` = function(n){
            return(NumericInterval$new(self$lower_bound[n], self$upper_bound[n]))
          },
          `[<-` = function(n, m){
            self$lower_bound[n] <- m[1]
            self$upper_bound[n] <- m[2]
            invisible(self)
          },
          length = function() length(self$lower_bound), 
          as.data.frame = function(...) {
            structure(
              list(interval = structure(a)), 
              class = "data.frame", 
              row.names = seq_along(self$lower_bound))
          },
          as_character = function() {
            paste0("[", self$lower_bound, ", ",
                        self$upper_bound, "]")},
          format = function(...) self$as_character(),
          print = function() {
            print(self$as_character(), quote = FALSE)
            invisible(self)}))

这会产生以下行为：

a <- NumericInterval$new(1:3, 4:6)
a
#> [1] [1, 4] [2, 5] [3, 6]

as.data.frame(a)
#>   interval
#> 1   [1, 4]
#> 2   [2, 5]
#> 3   [3, 6]

df <- data.frame(id = LETTERS[1:3], interval = a)
df
#>   id interval
#> 1  A   [1, 4]
#> 2  B   [2, 5]
#> 3  C   [3, 6]

df[1,]
#>   id interval
#> 1  A   [1, 4]

df$interval[1]$lower_bound
#> [1] 1

这当然不是生产级代码。特别是，您需要包含错误处理以确保上限和下限的长度相同，并且都是数字。