历史遗留：R matrix 不是 array
在最近对 R-devel 邮件列表的讨论中，在 7 月 8 日开始的一个主题中，head.matrix 可以返回 1000 列 - 限制为 n 或添加新参数？迈克尔·奇里科和加布·贝克尔提出将 head() 和 tail() 实用程序函数泛化，加布指出当前（R-4.x.y 之前的）head() 不会特殊处理 array。我回复道，指出R 目前通常需要 matrix 和 array 方法
但请注意以下历史怪癖
sapply(setNames(,1:5),
function(K) inherits(array(7, dim=1:K), "array"))((我希望这会改变，我明确放入了当前 R 3.x.y 结果，而不是评估上述 R 块：))
1 2 3 4 5
TRUE FALSE TRUE TRUE TRUE请注意，matrix 对象在（继承）意义上不是 array，尽管 - 许多用户可能不知道 -
identical(
matrix(47, 2,3), # NB " n, n+1 " is slightly special
array (47, 2:3))
## [1] TRUE所有矩阵都可以通过 array(.) 等效地构造，尽管在 matrix(*, byrow=TRUE) 的情况下略显笨拙。
请注意，正因为如此，基本 R 本身有三个函数，其中 matrix 和 array 方法是相同的，正如我在帖子中所写：因此，目前，“通常”foo.matrix 只是 foo.array 的副本，如果后者存在，其中 foo 的base 示例为 {unique, duplicated, anyDuplicated}。
for(e in expression(unique, duplicated, anyDuplicated)) { # `e` is a `symbol`
f.m <- get(paste(e, "matrix", sep="."))
f.a <- get(paste(e, "array", sep="."))
stopifnot(is.function(f.m),
identical(f.m, f.a))
}在 R 4.0.0 中，matrix() 会是 "array" 吗？
在同一篇文章中，我还问过
这是我们应该考虑在 R 4.0.0 中更改的内容 - 让它对 2d 数组也为 TRUE，即矩阵对象？
与此同时，我试探性地回答了我自己的问题“是”，并开始调查一些后果。从我发现的内容来看，在过于热心的（单元）测试中，甚至是我自己编写的，我被提醒我想教更多的人了解一个潜在的相关问题，在这个问题中，我们看到许多不安全的使用者不安全地使用 R
如果您认为 class(.) == *，请三思： 相反，inherits(., *) …. 或 is(., *)
大多数非初学者 R 用户都了解类之间的继承，更普遍地说，R 对象在概念上不止一种“类型”。例如，pi 既是 "numeric" 又是 "double"，或者 1:2 既是 integer 又是 numeric。他们可能知道时间日期对象有两种形式：?DateTimeClasses (或 ?POSIXt) 帮助页面描述了 POSIXct 和 POSIXlt，并说
"POSIXct"更方便地包含在数据框中，而"POSIXlt"更接近于人类可读形式。存在一个虚拟类"POSIXt"，两个类都继承自该类...
例如
class(tm <- Sys.time())
## [1] "POSIXct" "POSIXt"显示 class(.) 在此处的长度为 2，这会中断 if(class(x) == "....") .. 调用。
正式类：S4
R 的正式类系统称为S4（主要在标准 R 软件包 methods 中实现），提供功能和工具来实现丰富的类继承结构，在 软件包 Matrix 或 Bioconductor 项目 中得到大量使用，该项目有 1800 多个 R “软件”软件包。Bioconductor 甚至建立在提供大量使用的 S4 类的核心软件包之上，例如 Biostrings、S4Vectors、XVector、IRanges 和 GenomicRanges。另请参见 常见的 Bioconductor 方法和类。
在正式的 S4 类系统中，扩展和继承非常重要且经常被广泛使用，因此这样的表达式
if (class(obj) == "matrix") { ..... } # *bad* - do not copy !特别无用，因为 obj 很可能是扩展矩阵的类，而使用 S4 的程序员很早就学会了使用
if (is(obj, "matrix")) { ..... } # *good* !!!请注意，Bioconductor 软件包开发人员指南警告不要滥用 class(.) == *，请参见 R 代码和最佳实践 一节
非正式“经典”类：S3
R 被创建为 S 的方言或实现，请参见 维基百科的 R 历史，对于 S，“白皮书”（Chambers & Hastie，1992）引入了一种方便且相对简单的面向对象 (OO)，后来被称为S3，因为白皮书引入了S 版本 3（蓝皮书描述了S 版本 2，绿皮书描述了S 版本 4，即 S4）。
白皮书还介绍了公式、数据框等，在某些情况下还介绍了某些 S 对象可以是给定类的特定情况，并且从这个意义上扩展该类。例如，在 R 中，多元时间序列 ("mts") 扩展了（简单）时间序列 ("ts")，或者多元或广义线性模型 ("mlm" 或 "glm") 扩展了正态线性模型 "lm"。
“解决方法”：class(.)[1]
因此，一些经验更丰富、更谨慎的程序员已在这样的比较中用 class(x)[1]（或 class(x)[1L]）替换 class(x)，例如，在 2018 年广受赞誉的 useR！演讲中。
在某些情况下，这已经足够好，这也是 R 的 data.class(.) 函数（除其他函数外）或（用户隐藏的）methods:::.class1(.) 所做的。
但是，程序员应意识到，这只是一个解决方法，并且在使用典型的 S3 继承的情况下会导致其工作不正确：在某些情况下，对结果为 "fitme" 类的函数 fitme() 进行轻微修改或扩展非常自然，通常通过编写 fitmeMore()（例如）来实现，其值将为 c("fMore", "fitme") 类，以便几乎所有“fitme”方法都将继续工作，但是 fitmeMore() 的作者将另外提供一个 print() 方法，即提供方法函数 print.fMore()。
但是，如果其他用户使用 class(.)[1] 并为 class(.)[1] == "fitme" 的情况提供了代码，则该代码将错误地不适用于新的 "fMore" 对象。
唯一正确的解决方案是使用 inherits(., "fitme")，因为它适用于所有它应该适用的对象。
在很大程度上依赖 CRAN 包中，以下行（略有混淆）应有效确定特定类的列表条目
isC <- vapply(args, class, "") == "__my_class__"发现（并通知包维护者）需要更正为
isC <- vapply(args, inherits, TRUE, what = "__my_class__")摘要
您应该使用 inherits(x, "foo") 而不是 class(x) == "foo"
或者可能也可以使用 is(x, "foo")
推论
switch(class(x)[1],
"class_1" = { ..... },
"class_2" = { ..... },
.......,
.......,
"class_10" = { ..... },
stop(" ... invalid class:", class(x)))可能看起来很简洁，但几乎总是不够好，因为它是（通常）错误的，例如，当 class(x) 为 c("class_7", "class_2") 时。
参考
R 核心团队 (2019)。R 帮助页面
对于 S3，
class或inherits对于 S4，例如，S4 方法和类的基本用法，以及
is。
Becker, R. A., Chambers, J. M. 和 Wilks, A. R. (1988) The New S Language（蓝皮书，介绍 S 版本 2 (
S2)）；Wadsworth & Brooks/Cole。Chambers, J. M. 和 Hastie, T. J. 编辑 (1992) Statistical Models in S（白皮书，介绍 S 版本 3 (
S3)；Chapman & Hall，伦敦）。钱伯斯，约翰·M.（1998）使用数据编程（绿皮书，
S4原版）；施普林格。钱伯斯，约翰·M.（2008）数据分析软件：使用 R 编程（
S4等 R）；施普林格。