Частные члены в референтном классе R

Question

Возможно ли иметь закрытые поля-члены внутри ссылочного класса R. Играя с некоторыми онлайн-примерами, которые у меня есть:

> Account <- setRefClass(    "ref_Account"
>      , fields = list(
>       number = "character"
>       , balance ="numeric")
>      , methods = list( 
>     deposit <- function(amount) {
>       if(amount < 0)   {
>         stop("deposits must be positive")
>       }
>       balance <<- balance + amount
>     }
>     , withdraw <- function(amount) {
>       if(amount < 0)   {
>         stop("withdrawls must be positive")
>       }
>       balance <<- balance - amount
>     }       
>   ) )
> 
> 
> tb <- Account$new(balance=50.75, number="baml-029873") tb$balance
> tb$balance <- 12 
> tb$balance

Я ненавижу тот факт, что могу напрямую обновлять баланс. Возможно, что старый чистый ОО во мне, я действительно хотел бы иметь возможность сделать баланс приватным, по крайней мере, не устанавливаемым извне класса.

Мысли

Answer 1

Этот ответ не работает с R> 3,00, поэтому не используйте его!

Как уже упоминалось, у вас не может быть закрытых полей.Однако, если вы используете метод инициализации, баланс не отображается в виде поля.Например,

Account = setRefClass("ref_Account", 
                       fields = list(number = "character"),
                       methods = list(
                           initialize = function(balance, number) {
                               .self$number = number
                               .self$balance = balance
                           })

Как и прежде, мы создадим экземпляр:

tb <- Account$new(balance=50.75, number="baml-0029873")
##No balance
tb

Reference class object of class "ref_Account"
Field "number":
[1] "baml-0029873"

Как я уже говорил, он не является действительно закрытым, поскольку вы все равно можете сделать:

R> tb$balance
[1] 50.75
R> tb$balance = 12 
R> tb$balance
[1] 12

Answer 2

Для решения проблемы конфиденциальности я создаю собственный класс «Private», в котором есть новые методы доступа к объекту, то есть $ и [[. Эти методы выдают ошибку, если клиент пытается получить доступ к «приватному» члену. Частный член идентифицируется по имени (ведущий период). Поскольку ссылочные объекты являются средами в R, можно обойти это, но сейчас это мое решение, и я думаю, что более удобно использовать методы get / set, предоставляемые классом. Так что это скорее решение вопроса «трудно установить извне».

Я организовал это в R-пакете, так что следующий код использует этот пакет и модифицирует вышеприведенный пример так, что присвоение tb$.balance приводит к ошибке. Я также использую функцию Class, которая является просто оберткой вокруг setRefClass, так что она все еще находится в области действия ссылочных классов R, предоставляемых пакетом методов и используемых в вопросе.

devtools::install_github("wahani/aoos")
library("aoos")

Account <- defineRefClass({
    Class <- "Account"
    contains <- "Private"

    number <- "character"
    .balance <- "numeric"

    deposit <- function(amount) {
        if(amount < 0) stop("deposits must be positive")
        .balance <<- .balance + amount
    }

    withdraw <- function(amount) {
        if(amount < 0) stop("withdrawls must be positive")
        .balance <<- .balance - amount
    }
})

tb <- Account(.balance = 50.75, number = "baml-029873") 
tb$.balance # error
tb$.balance <- 12 # error

Answer 3

R не такой язык.Нет понятия частного или общественного.

Answer 4

Я столкнулся с подобной проблемой и реализовал ее таким образом, используя Base R. Я склонен усложнять себе жизнь, не используя сторонние пакеты, такие как R6.Чтобы решить эту проблему, я получаю доступ к среде, в которой определены методы объекта, и таким образом сохраняю переменные.

В этом примере я пытаюсь реализовать MinMaxScaler, подобный тому, который можно найти в scikit learn:

## Base reference class
setRefClass(
  "Transformer",
  contains = "VIRTUAL",
  methods = list(
    fit = function(data) stop("Must implement"),
    transform = function(data) stop("Must implement"),
    fit_transform = function(data) {
      fit(data)
      transform(data)
    }
  ))

Конкретная реализация Transformer API.В методе fit я получаю доступ к среде, в которой определено fit.Затем я использую эту среду для хранения любых переменных, которые мне нужны для промежуточных вычислений, и для обновления объекта на месте - так же, как sklearn.

MinMaxScaler <-setRefClass(
  "MinMaxScaler",
  contains = "Transformer",
  fields = c(feature_range = "numeric"),
  methods = list(

    fit = function(data) {
      env <- environment(fun = .self$fit)
      rng <- range(data, na.rm=TRUE)
      env$data_range_ <- diff(range(data, na.rm=TRUE))
      env$data_min_ <- rng[[1]]
      env$data_max_ <- rng[[2]]
    },
    transform = function(data) {
      env <- environment(fun = .self$transform)
      scalef <- diff(range(feature_range))
      scalef * (data - env$data_min_) / env$data_range_  + min(feature_range)
    }
  )
)

Чтобы продемонстрировать этот шаблон, я создам два скейлера и подгону их по отдельности.:

> ## Dummy data
> set.seed(123)
> z <- rnorm(1e4)
> summary(z)
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
-3.845320 -0.667969 -0.011089 -0.002372  0.673347  3.847768 
> 
> scaler1 <- MinMaxScaler(feature_range=c(0, 50))
> summary(scaler1$fit_transform(z))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   0.00   20.65   24.92   24.98   29.37   50.00 
> 
> scaler2 <- MinMaxScaler(feature_range=c(-100, 100))
> summary(scaler2$fit_transform(z))
      Min.    1st Qu.     Median       Mean    3rd Qu.       Max. 
-100.00000  -17.39725   -0.32011   -0.09347   17.47344  100.00000 
> 
> ## to show the scalers are distinct and not sharing private vars
> summary(scaler1$transform(z))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   0.00   20.65   24.92   24.98   29.37   50.00 
> summary(scaler2$transform(z))
      Min.    1st Qu.     Median       Mean    3rd Qu.       Max. 
-100.00000  -17.39725   -0.32011   -0.09347   17.47344  100.00000