在R中，代碼可以分為如下幾個級別：
首先，是妳輸入了函數對象名稱，妳可以直接看到代碼的，如要獲得函數對象fivenum的代碼，就只需要在Console中鍵入函數對象名稱fivenum就可以得到如下結果：
function (x, na.rm = TRUE)
{
xna <- is.na(x)
if (na.rm)
x <- x[!xna]
else if (any(xna))
return(rep.int(NA, 5))
x <- sort(x)
n <- length(x)
if (n == 0)
rep.int(NA, 5)
else {
n4 <- floor((n + 3)/2)/2
d <- c(1, n4, (n + 1)/2, n + 1 - n4, n)
0.5 * (x[floor(d)] + x[ceiling(d)])
}
}
<environment: namespace:stats>
從上面的例子可以看出，這類函數對象的代碼是最容易看到的，也是我們學習的最好的材料了，而R中最大多數的函數對象是以這種方式出現的。
其次，我們在輸入mean這類函數名次的時候，會出現如下結果：
function (x, ...)
UseMethod("mean")
<environment: namespace:base>
這表示函數作者把函數“封”起來了。這個時候我們可以先試壹試methods(mean)，利用methods函數看看mean這個函數都有哪些類型的，我們得到的結果如下：
[1] mean.data.frame mean.Date mean.default mean.difftime mean.POSIXct mean.POSIXlt
其實對此可以有壹個簡單的理解，雖然不夠精確。因為在R中，mean函數可以求得屬於不同類型對象的平均值，而不同類型對象平均值的求法還是有壹些小小差 異的，比如說求壹個向量的平均值和求壹個數據框的平均值就有所差異，就要編寫多個mean函數，然後“封”起來，以壹個統壹的mean出現，方便我們使 用。這正好也反映了R有壹種類似泛型編程語言的性質。
既然我們已經知道mean中還有這麽多種類，我們可以輸入mean.default試壹試就可以得到：
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(as.numeric(NA))
}
if (na.rm)
x <- x[!is.na(x)]
trim <- trim[1]
n <- length(x)
if (trim > 0 && n > 0) {
if (is.complex(x))
stop("trimmed means are not defined for complex data")
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]
n <- hi - lo + 1
}
.Internal(mean(x))
}
<environment: namespace:base>
同樣就可以得到mean.data.frame、mean.Date、mean.difftime、mean.POSIXct、mean.POSIXlt 的具體內容了。值得註意的是，在R中，出現有多個同樣近似功能的函數封裝為壹個函數的時候（這時候在函數中多半會出現類似UseMethod函數使用的情 況），我們不妨先輸入mean.default試壹試。這種形式的函數在R中壹般作為默認的函數表示。
第三，這是壹種特殊的情況，有人認為應該和第二種是壹類，但是我還是要提出來單獨歸類。在這種情況也和第二種的原因有些類似，但並不是完全壹致。
也許我們大家都很熟悉plot函數了吧，輸入函數名plot的時候，我們會得到如下結果：
function (x, y, ...)
{
if (is.null(attr(x, "class")) && is.function(x)) {
nms <- names(list(...))
if (missing(y))
y <- {
if (!"from" %in% nms)
0
else if (!"to" %in% nms)
1
else if (!"xlim" %in% nms)
NULL
}
if ("ylab" %in% nms)
plot.function(x, y, ...)
else plot.function(x, y, ylab = paste(deparse(substitute(x)),
"(x)"), ...)
}
else UseMethod("plot")
}
<environment: namespace:graphics>
請註意plot函數中也出現了UseMethod這個函數，但是和mean不同的是，前面有相當多的語句用於處理其他壹些事情。這個時候，我們也使用methods(plot)來看看，得到如下結果：
plot.acf* plot.data.frame* plot.Date* plot.decomposed.ts* plot.default
plot.dendrogram* plot.density plot.ecdf plot.factor* plot.formula*
plot.hclust* plot.histogram* plot.HoltWinters* plot.isoreg* plot.lm
plot.medpolish* plot.mlm plot.POSIXct* plot.POSIXlt* plot.ppr*
plot.prcomp* plot.princomp* plot.profile.nls* plot.spec plot.spec.coherency
plot.spec.phase plot.stepfun plot.stl* plot.table* plot.ts
plot.tskernel* plot.TukeyHSD
不看不知道，壹看嚇壹跳，還以為我們輸入plot的輸出就是函數本身，結果也許不是如此。可能有人已經理解了，其實最後的UseMethod函數實在默認的調用plot.default函數，趕快再看看plot.default函數吧，發現它再調用plot.xy函數，再看看plot.xy函數，再plot.xy函數中調用了壹個.Internal(plot.xy(xy, type, pch, lty, col, bg, cex, lwd, ...))函數，也許這就是真正起作用的函數了吧。思路基本上就是如此了，是否這個時候您可以獲得壹些閱讀查找R函數內容的樂趣。
除了直接輸入FUN.default形式外，還可以使用getS3method(FUN,"default")來獲得代碼。這樣就解決了絕大多數函數代碼查看的工作了。
在第二種情況種，我們說了壹般可以通過FUN.default獲得想要的結果。但是只有稱為generic的函數才有這種“特權”。而lm等則沒有，不過我們也可以嘗試使用methods(lm)來看看結果如何，發現：
[1] lm.fit lm.fit.null lm.influence lm.wfit lm.wfit.null
Warning message:
function 'lm' appears not to be generic in: methods(lm)
出現了警告信息，表示說lm不是泛型函數，但是還是給出了結果lm.fit等，大致上可以看成是和lm相關的系列函數吧。這樣子就出現了有趣的局面，比如說既有plot.ts，也有ts.plot。
依照第三種情況，我們發現竟然有的函數用星號標識了的，比如plot.stl*等，當我們輸入plot.stl，甚至是plot.stl*的時候都會給出 要麽找不到這個對象，要麽幹脆是代碼錯誤的信息。原來凡是用了*標識的函數，都是隱藏起來的函數，估計是怕被人看見（其實這是玩笑話）！我們要看這些函數 的代碼，我們該怎麽辦呢？其實也很容易，使用功能強大的getAnywhere(FUN)，看看這個函數的名稱，就可以猜想到它的功能估計是很強大的， Anywhere的內容都可以找到！getAnywhere(plot.stl)的結果如下：
A single object matching 'plot.stl' was found
It was found in the following places
registered S3 method for plot from namespace stats
namespace:stats
with value
function (x, labels = colnames(X), set.pars = list(mar = c(0,
6, 0, 6), oma = c(6, 0, 4, 0), tck = -0.01, mfrow = c(nplot,
1)), main = NULL, range.bars = TRUE, ..., col.range = "light gray")
{
sers <- x$time.series
ncomp <- ncol(sers)
data <- drop(sers %*% rep(1, ncomp))
X <- cbind(data, sers)
colnames(X) <- c("data", colnames(sers))
nplot <- ncomp + 1
if (range.bars)
mx <- min(apply(rx <- apply(X, 2, range), 2, diff))
if (length(set.pars)) {
oldpar <- do.call("par", as.list(names(set.pars)))
on.exit(par(oldpar))
do.call("par", set.pars)
}
for (i in 1:nplot) {
plot(X[, i], type = if (i < nplot)
"l"
else "h", xlab = "", ylab = "", axes = FALSE, ...)
if (range.bars) {
dx <- 1/64 * diff(ux <- par("usr")[1:2])
y <- mean(rx[, i])
rect(ux[2] - dx, y + mx/2, ux[2] - 0.4 * dx, y -
mx/2, col = col.range, xpd = TRUE)
}
if (i == 1 && !is.null(main))
title(main, line = 2, outer = par("oma")[3] > 0)
if (i == nplot)
abline(h = 0)
box()
right <- i%%2 == 0
axis(2, labels = !right)
axis(4, labels = right)
axis(1, labels = i == nplot)
mtext(labels[i], side = 2, 3)
}
mtext("time", side = 1, line = 3)
invisible()
}
<environment: namespace:stats>
註意到前面有壹段解釋型的語言，描述了我們要找的這個函數放在了什麽地方等等。其實對任意我們可以在R中使用的函數，都可以先試壹試getAnywhere，看看都有些什麽內容。算是壹個比較“霸道”的函數。
在上面plot.xy函數中，我們還可以看到.Internal這個函數，類似的也許還可以看到.Primitive、.External、.Call等函數這就和R系統內部工作方式和與外部接口的定義有關了，如果對這些函數有興趣的話，就要學習組成R系統的源代碼了。
最後，如果真的想閱讀組成R系統本身的源代碼，在各個CRAN中均有下載。妳可以得到組成R系統所需要的材料。其中很多C語言（還有就是F）的源代碼，均 是精心挑選過的算法，哪怕就是想學從頭到尾編寫具體的算法，也是學習的好材料。同時，妳可以看到R系統內部是如何構成的，理解了這些對於高效使用R有至關 重要的作用。這個範疇的材料就要著重看壹看R-Lang和R-inits了。
至此，R中閱讀代碼的內容就依照我的理解介紹了壹下。隨後將有壹些R代碼示例的分析註解、語言本身、R應用的和行業使用的材料翻譯和具體例子說明。歡迎大家多多和我交流，壹起進步。