为“data.frame”分派“rbind”和“cbind”

Question

背景

R 函数 rbind() 和 cbind() 的调度机制是非标准的。当参数之一是data.frame 时，我探索了编写rbind.myclass() 或cbind.myclass() 函数的一些可能性，但到目前为止我还没有一个令人满意的方法。这篇文章主要关注rbind，但同样适用于cbind。

问题

让我们创建一个rbind.myclass() 函数，它在被调用时简单地回显。

rbind.myclass <- function(...) "hello from rbind.myclass"

我们创建一个myclass类的对象，下面对rbind的所有调用 正确发送到rbind.myclass()

a <- "abc"
class(a) <- "myclass"
rbind(a, a)
rbind(a, "d")
rbind(a, 1)
rbind(a, list())
rbind(a, matrix())

但是，当其中一个参数（不必是第一个参数）时，rbind() 将改为调用base::rbind.data.frame()：

rbind(a, data.frame())

这种行为有点令人惊讶，但它实际上记录在 dispatchrbind() 的部分。那里给出的建议是：

如果你想将其他对象与数据框结合起来， 可能需要先将它们强制转换为数据帧。

在实践中，此建议可能难以实施。转换为数据框可能会删除基本的类信息。此外，可能不知道该建议的用户在发出命令rbind(a, x) 后可能会遇到错误或意外结果。

方法

警告用户

第一种可能性是警告用户，当x 是数据框时，不应调用rbind(a, x)。相反，包mypackage 的用户应该显式调用隐藏函数：

mypackage:::rbind.myclass(a, x)

这可以做到，但用户必须记住在需要时进行显式调用。调用隐藏函数是最后的手段，不应该是常规策略。

拦截rbind

另外，我尝试通过拦截调度来屏蔽用户。我的第一次尝试是提供base::rbind.data.frame() 的本地定义：

rbind.data.frame <- function(...) "hello from my rbind.data.frame"
rbind(a, data.frame())
rm(rbind.data.frame)

这失败了，因为rbind() 没有被从.GlobalEnv 调用rbind.data.frame 欺骗，而是照常调用base 版本。

另一种策略是通过本地函数覆盖rbind()，这在S3 dispatching of `rbind` and `cbind` 中提出了建议。

rbind <- function (...) {
  if (attr(list(...)[[1]], "class") == "myclass") return(rbind.myclass(...))
  else return(base::rbind(...))
}

这非常适合发送到rbind.myclass()，因此用户现在可以为任何类型的对象x 键入rbind(a, x)。

rbind(a, data.frame())

缺点是在library(mypackage) 之后我们会收到消息The following objects are masked from ‘package:base’: rbind。

虽然技术上一切都按预期工作，但应该有比 base 函数覆盖更好的方法。

结论

以上替代方案都不令人满意。我已经阅读了有关使用 S4 调度的替代方案，但到目前为止，我还没有找到该想法的任何实现。有什么帮助或建议吗？

Answer 1

正如您自己提到的，使用 S4 将是一种很好的解决方案。我最近没有调查数据帧，因为我对其他广义矩阵更感兴趣，在我的长期 CRAN 包“矩阵”（=“推荐”，即每个 R 分布的一部分）和“Rmpfr”中。

其实甚至有两种不同的方式：
1) Rmpfr 使用新的方式为 rbind()/cbind() 中的 '...' 定义方法。 这在?dotsMethods（助记符：'...' = 点）中有详细记录，并在 Rmpfr/R/array.R 第 511 行 ff 中实现（例如 https://r-forge.r-project.org/scm/viewvc.php/pkg/R/array.R?view=annotate&root=rmpfr）

2) Matrix 通过为 rbind2() 和 cbind2() 定义 (S4) 方法来使用较旧的方法：如果您阅读 ?rbind，它确实提到了以及何时使用 rbind2/cbind2。那里的想法：“2”意味着您为两个（“2”）类似矩阵的对象定义 S4 方法，并且 rbind/cbind 将它们递归地用于其可能的许多参数中的 两个。 p>

Answer 2

dotsMethod 方法由 Martin Maechler 提出并在 Rmpfr 包中实现。我们需要使用 S4 定义一个新的泛型、类和方法。

setGeneric("rbind", signature = "...")
mychar <- setClass("myclass", slots = c(x = "character"))
b <- mychar(x = "b")
rbind.myclass <- function(...) "hello from rbind.myclass"
setMethod("rbind", "myclass",
      function(..., deparse.level = 1) {
        args <- list(...)
        if(all(vapply(args, is.atomic, NA)))
          return( base::cbind(..., deparse.level = deparse.level) )
        else
          return( rbind.myclass(..., deparse.level = deparse.level))
      })

# these work as expected
rbind(b, "d")
rbind(b, b)
rbind(b, matrix())

# this fails in R 3.4.3
rbind(b, data.frame())

Error in rbind2(..1, r) :
    no method for coercing this S4 class to a vector

我无法解决错误。看 R: Shouldn't generic methods work internally within a package without it being attached? 相关问题。

由于这种方法会覆盖 rbind()，因此我们会收到警告 The following objects are masked from 'package:base': rbind。

Answer 3

我不认为你能想出完全令人满意的东西。你能做的最好的就是导出rbind.myclass，这样用户就可以直接调用它而不用做mypackage:::rbind.myclass。如果你愿意，你可以叫它别的名字（dplyr 称它的版本为bind_rows），但如果你选择这样做，我会使用一个能唤起rbind 的名字，比如rbind_myclass。

即使您可以让 r-core 同意更改调度行为，以便 rbind 在其第一个参数上调度，仍然会有用户希望 rbind 多个对象与一个myclass 对象不是第一个。用户还能如何发送到rbind.myclass(df, df, myclass)？

data.table 解决方案似乎很危险；如果 CRAN 维护人员在某个时候进行检查并不允许这样做，我不会感到惊讶。