六種方法查看R函數(shù)源代碼，為啥第三種最惹人喜歡？

所謂：操千曲而后曉聲，觀千劍而后識(shí)器。

作為一個(gè)開源軟件，R的一個(gè)非常大的優(yōu)點(diǎn)就是我們可以隨意查看所有算法的源代碼，在對這些源代碼進(jìn)行分析的過程中不僅可以加深對算法的認(rèn)識(shí)，而且可以大步提高對R語言的掌握程度。如果可以也能根據(jù)自己的需求，對算法進(jìn)行改進(jìn)。不管是從理論的學(xué)習(xí)角度還是實(shí)用的角度，善于閱讀和利用源代碼，能讓我們事半功倍。

當(dāng)然，在開始的開始，你需要知道R函數(shù)是怎樣的一個(gè)結(jié)構(gòu)。也就是說你至少要有一點(diǎn)R的基礎(chǔ)，最少吧，你需要一顆上勁的心。本文的末尾給出了R函數(shù)的文章，基本上看看就會(huì)了。我們就不從最基本的什么是函數(shù)這種問題開始了。

    1. 最直接的方法當(dāng)然是直接鍵入函數(shù)(不加括號(hào))，大部分函數(shù)源代碼就可以直接顯現(xiàn)出來。我以PerformanceAnalytics包中的函數(shù)chart.Correlation()為例。
#install.packages("PerformanceAnalytics") 沒有安裝的安裝一下。
> library(PerformanceAnalytics)
> chart.Correlation
function (R, histogram = TRUE, method = c("pearson", "kendall", 
    "spearman"), ...) 
{
    x = checkData(R, method = "matrix")
    if (missing(method)) 
        method = method[1]
    panel.cor <- function(x, y, digits = 2, prefix = "", use = "pairwise.complete.obs", 
        method = "pearson", cex.cor, ...) {
        usr <- par("usr")
        on.exit(par(usr))
        par(usr = c(0, 1, 0, 1))
        r <- cor(x, y, use = use, method = method)
        txt <- format(c(r, 0.123456789), digits = digits)[1]
        txt <- paste(prefix, txt, sep = "")
        if (missing(cex.cor)) 
            cex <- 0.8/strwidth(txt)
        test <- cor.test(as.numeric(x), as.numeric(y), method = method)
        Signif <- symnum(test$p.value, corr = FALSE, na = FALSE, 
            cutpoints = c(0, 0.001, 0.01, 0.05, 0.1, 1), symbols = c("***", 
                "**", "*", ".", " "))
        text(0.5, 0.5, txt, cex = cex * (abs(r) + 0.3)/1.3)
        text(0.8, 0.8, Signif, cex = cex, col = 2)
    }
    f <- function(t) {
        dnorm(t, mean = mean(x), sd = sd.xts(x))
    }
    dotargs <- list(...)
    dotargs$method <- NULL
    rm(method)
    hist.panel = function(x, ... = NULL) {
        par(new = TRUE)
        hist(x, col = "light gray", probability = TRUE, axes = FALSE, 
            main = "", breaks = "FD")
        lines(density(x, na.rm = TRUE), col = "red", lwd = 1)
        rug(x)
    }
    if (histogram) 
        pairs(x, gap = 0, lower.panel = panel.smooth, upper.panel = panel.cor, 
            diag.panel = hist.panel)
    else pairs(x, gap = 0, lower.panel = panel.smooth, upper.panel = panel.cor)
}
<bytecode: 0x000000000813e4f0>
<environment: namespace:PerformanceAnalytics>

當(dāng)然呢，在Rstudio里面，我們可以把光標(biāo)放在函數(shù)名上按F2，Rstudio會(huì)打開一個(gè)新的窗口來顯示這個(gè)函數(shù)：

優(yōu)點(diǎn)：直接簡單。
缺點(diǎn)：并非所有的函數(shù)都能通過此方法得到。
原因：R是面向?qū)ο笤O(shè)計(jì)的程序語言。

  • 2 用函數(shù)page()，不過，結(jié)果在另一個(gè)窗口顯示,選擇電腦上的程序打開，我的是Notepad++。
> page(chart.Correlation)
  • 3 與方法二類似，用函數(shù)edit()。這個(gè)函數(shù)一看就很有喜感，明顯他是允許我們來修改函數(shù)的，這才是開源的真諦啊。修改了直接用。還是以我們這個(gè)函數(shù)為例。我們這個(gè)函數(shù)chart.Correlation是用來展示相關(guān)性的。但是她的參數(shù)很少，滿足不了我的需求。
data(managers)
chart.Correlation(managers[,1:8], histogram=T,pch="+",col="black")

做出來的圖是這樣的：


但是我想把相關(guān)系數(shù)的字體都搞成一致，然后小圓圈的空心點(diǎn)變成“+”，但是pch=這個(gè)參數(shù)不頂用。怎么辦？查看了幫助文檔help(chart.Correlation)也沒有參數(shù)可調(diào)，看來修改函數(shù)是一個(gè)不錯(cuò)的選擇了。

于是我就：

> mychart.Correlation<-edit(chart.Correlation)

我把它設(shè)置字體的部分和調(diào)整散點(diǎn)圖形狀的部分稍作了修改，點(diǎn)擊Save，這樣一個(gè)新的函數(shù)mychart.Correlation就生成了?，F(xiàn)在，我用同樣的數(shù)據(jù)和參數(shù)來繪制這個(gè)圖，達(dá)到了我的要求：

data(managers)
mychart.Correlation(managers[,1:8], histogram=T,pch="+",col="black")

修改后的函數(shù)是這樣的：

函數(shù)edit()不僅可以修改包中的函數(shù)作為急用，也可以用來修改自己正在寫的函數(shù)，可以說很實(shí)用了在我們寫函數(shù)的時(shí)候。

    1. 對于計(jì)算方法不同的函數(shù)，要用methods()來定義具體的查看對象，如查看函數(shù)mean代碼，用方法一只能查到：
> mean
function (x, ...) 
UseMethod("mean")
<bytecode: 0x0000000008c88590>
<environment: namespace:base>

此時(shí)要有methods()來查找mean具體的對象:

methods(mean)
 [1] mean.Date      mean.default   mean.difftime  mean.geometric mean.LCL       mean.POSIXct   mean.POSIXlt   mean.stderr    mean.UCL      
[10] mean.yearmon*  mean.yearqtr*  mean.zoo*     
see '?methods' for accessing help and source code

要查看具體名稱，如mean.default的代碼，直接用代碼

> mean.default
function (x, trim = 0, na.rm = FALSE, ...) 
{
    if (!is.numeric(x) && !is.complex(x) && !is.logical(x)) {
        warning("argument is not numeric or logical: returning NA")
        return(NA_real_)
    }
    if (na.rm) 
        x <- x[!is.na(x)]
    if (!is.numeric(trim) || length(trim) != 1L) 
        stop("'trim' must be numeric of length one")
    n <- length(x)
    if (trim > 0 && n) {
        if (is.complex(x)) 
            stop("trimmed means are not defined for complex data")
        if (anyNA(x)) 
            return(NA_real_)
        if (trim >= 0.5) 
            return(stats::median(x, na.rm = FALSE))
        lo <- floor(n * trim) + 1
        hi <- n + 1 - lo
        x <- sort.int(x, partial = unique(c(lo, hi)))[lo:hi]
    }
    .Internal(mean(x))
}
<bytecode: 0x000000000ec0bbc8>
<environment: namespace:base>
  1. 對于程序包里的函數(shù)，需要先調(diào)用函數(shù)所在的包。
    2.對于methods()得出的類函數(shù)中帶星號(hào)標(biāo)注的源代碼是看不到的。
    3.對于非類函數(shù)，不能用此方法。

如chart.Correlation()就不能用這方法：

> methods(chart.Correlation)
no methods found
> chart.Correlation.default
Error: object 'chart.Correlation.default' not found
    1. methods()得出的類函數(shù)中帶星號(hào)標(biāo)注的源代碼，用函數(shù)getAnywhere()，如查找predict函數(shù)的源代碼。
> methods(predict)  
 [1] predict.ar*                predict.Arima*             predict.arima0*            predict.glm                predict.HoltWinters*      
 [6] predict.lm                 predict.loess*             predict.mlm*               predict.nls*               predict.poly*             
[11] predict.ppr*               predict.prcomp*            predict.princomp*          predict.smooth.spline*     predict.smooth.spline.fit*
[16] predict.StructTS*         
see '?methods' for accessing help and source code
> getAnywhere(predict.Arima)
A single object matching ‘predict.Arima’ was found
It was found in the following places
  registered S3 method for predict from namespace stats
  namespace:stats
with value

function (object, n.ahead = 1L, newxreg = NULL, se.fit = TRUE, 
    ...) 
{
    myNCOL <- function(x) if (is.null(x)) 
        0
    else NCOL(x)
    rsd <- object$residuals
    xr <- object$call$xreg
    xreg <- if (!is.null(xr)) 
        eval.parent(xr)
    else NULL
    ncxreg <- myNCOL(xreg)
    if (myNCOL(newxreg) != ncxreg) 
        stop("'xreg' and 'newxreg' have different numbers of columns")
    class(xreg) <- NULL
    xtsp <- tsp(rsd)
    n <- length(rsd)
    arma <- object$arma
    coefs <- object$coef
    narma <- sum(arma[1L:4L])
    if (length(coefs) > narma) {
        if (names(coefs)[narma + 1L] == "intercept") {
            xreg <- cbind(intercept = rep(1, n), xreg)
            newxreg <- cbind(intercept = rep(1, n.ahead), newxreg)
            ncxreg <- ncxreg + 1L
        }
        xm <- if (narma == 0) 
            drop(as.matrix(newxreg) %*% coefs)
        else drop(as.matrix(newxreg) %*% coefs[-(1L:narma)])
    }
    else xm <- 0
    if (arma[2L] > 0L) {
        ma <- coefs[arma[1L] + 1L:arma[2L]]
        if (any(Mod(polyroot(c(1, ma))) < 1)) 
            warning("MA part of model is not invertible")
    }
    if (arma[4L] > 0L) {
        ma <- coefs[sum(arma[1L:3L]) + 1L:arma[4L]]
        if (any(Mod(polyroot(c(1, ma))) < 1)) 
            warning("seasonal MA part of model is not invertible")
    }
    z <- KalmanForecast(n.ahead, object$model)
    pred <- ts(z[[1L]] + xm, start = xtsp[2L] + deltat(rsd), 
        frequency = xtsp[3L])
    if (se.fit) {
        se <- ts(sqrt(z[[2L]] * object$sigma2), start = xtsp[2L] + 
            deltat(rsd), frequency = xtsp[3L])
        list(pred = pred, se = se)
    }
    else pred
}
<bytecode: 0x0000000016ba2238>
<environment: namespace:stats>
    1. 直接上CRAN 下載源代碼包
      流程如下：
  1. 登入R主頁 http://www.r-project.org/ ，點(diǎn)擊 Download 下的CRAN;
  2. 選擇一個(gè)鏡像;
  3. 里面的Source Code for all Platforms下有各種源碼了，對于程序包，點(diǎn)packages;
  4. 點(diǎn)選擇項(xiàng)Table of available packages, sorted by name;
  5. 找到你你想要的包，點(diǎn)擊看Package source這一項(xiàng)，用tar.gz封裝的，下載解壓后就能看見源代碼了。

再復(fù)雜的包也是由基本的R函數(shù)構(gòu)成的，所以從基礎(chǔ)學(xué)起總是不錯(cuò)的?；A(chǔ)決定高度。有了這六個(gè)查看R函數(shù)的方法，是不是清楚了很多呢。函數(shù)是完成某項(xiàng)具體任務(wù)的程序，能看R函數(shù)，學(xué)習(xí)R就不再是到處粘代碼了也不再是只會(huì)調(diào)參數(shù)了，可以自己定義參數(shù)，自己來寫函數(shù)了。

參考：
查看R源代碼的六種方法
怎么才能查看R語言某個(gè)包某函數(shù)源碼？
R查看各函數(shù)的源代碼
查看R函數(shù)源代碼
R語言－函數(shù)源代碼查看
【r<-高級(jí)|理論】R的函數(shù)
第五節(jié) R語言函數(shù)function

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容