我问过两位以前的同事，如果我想学python，要怎么学？一位说，编程语言相通的地方很多，如果有一些其他语言的基础，比较着去学，会容易一些，还有一本很厚的《python学习手册》，也值得看一下。另一位说，廖雪峰的博客不错，可以参考。
其中一位同事大学期间被交换到瑞典，呆了五年。
有一次，我问他：你十几岁就开始写游戏程序，在国外是不是很厉害？
他说：不是的，那些德国程序员都是祖传的，几岁就开始写了。
另外一位同事，属于野生程序员，一个人可以搞定很多事情，就是一回头把事情搞定的那种程序员。
我最近也在学R语言的面向对象编程。顺便落实一下两位前同事的建议。
这里参考了张丹老师的R语言基于R6的面向对象编程和廖雪峰的Python面向对象高级编程。当然还有那本《Python学习手册》。
两种语言一起学，并不是一件容易的事情。首先，得有一个比较合适的学习环境。有些书上提到，初学者不要在IDE上学习编程语言，那是学不会的。不过，这事儿好像也没那么绝对。
这里推荐使用Rmarkdown工具。这个工具是谢益辉大神的得意之作。有点类似 Python的 Jupyter Notebook，我用 R用的比较多， 对Rmarkdown熟悉一些。
Jupyter Notebook跨语言使用还是要做一些配置工作，这个有点烦。Rmarkdown会好很多，只要安装Rstudio即可。
我的学习环境如下图所示，我用的是 Rstudio-server，这是一个服务器版本的Rstudio，在浏览器里就可以直接使用R语言。服务器版本的好处就是可以拉上几个人协同开发，只要服务器的资源充裕，再也不用要求程序员开发机必须4G内存了，现在内存是真贵啊！我想换电脑，都只能从二手的找起，各位如果有好的二手资源，帮助提供一下信息。
这张图里可见，我们可以新建很多类型的东西。我最常用的是R Script，然后是Rmarkdown。上周同学聚会的时候，同学特意问我用的是不是脚本语言，我解释地有点心虚，不过《Python学习手册》也有那么一节讨论“Python算不算脚本语言呢”，作者说“这取决你问的标准”。所以，把标准放低的话，R语言也算是一门脚本语言。
R语言也可以开发web应用，其中Rstudio公司提供的工具是Shiny。我用的不太好，设计的界面稍微丑了点，速度慢一些（怎么也不能和谷歌的V8比啊），但交互性还蛮好，用了一些图表工具，像echarts、plotly。我个人还是喜欢plotly多一点点，提供了R语言的接口，这样我就不用学JavaScript了，但是我觉着JavaSript还是要学一点的，如果想做一个强壮web应用的话。
再就是 “ C++ File ” ，由于Rcpp工具的出现，越来越多的R语言应用底层其实都是C++，这对提升运行速度、降低资源消耗是很有利的。
用Rstudio-server，还有另外一层意思，就是linux的Rstudio桌面版并不支持中文。这个蛋疼的事情，引发了中土大唐人士的极大不满，纷纷要求谢益辉大神向Rstudio公司提出抗议。谢大神无奈地说：“作为Rstudio公司唯一的华人工程师，实在是太微弱的声音了”。没办法，我只好安装Rstudio-server了，浏览器对中文的支持还是杠杠的。
我们再看一下Rmarkdown是如何同时使用Python和R语言的。如下图所示。
R代码用Rmarkdown的语法嵌入，即三个反引号开始一段代码```{r}和三个反引号``` 结束一段代码。
类似的，Python代码用Rmarkdown的语法嵌入，也是三个反引号开始一段代码```{python}和三个反引号``` 结束一段代码。
我们还可以嵌入bash和Python3，甚至数据库等等。
好了，我们回到R语言发展面向对象编程的主题。
R语言发展面向对象编程的过程比较曲折。从S3、S4、RC一路发展过来，到现在的R6。用Hadley Wickham的话就是，R6终于和Python、ruby、Java这些面向对象语言有点像了。
这里把张丹老师的R语言博客和廖雪峰老师的Python博客中相似的部分，拿出来学习一下。
张丹老师在R6类的主动绑定里这样讲：“主动绑定(Active bindings)是R6中一种特殊的函数调用方式，把对函数的访问表现为对属性的访问”。
廖雪峰老师在使用@property里这样讲：“还记得装饰器（decorator）可以给函数动态加上功能吗？对于类的方法，装饰器一样起作用。Python内置的@property装饰器就是负责把一个方法变成属性调用的”。
这么说，R语言的主动绑定和Python的使用@property，有些相似。
我们看一下张丹老师举的例子。
使用主动绑定之后，函数既可以像一个方法，也可以像一个属性。这个是很便利的。
如果使用Python的@property装饰器，根据张丹老师这段R代码，改写成Python代码如下：
如果仔细观察的话，R的主动绑定和Python的@property装饰器还是有一些差异的。特别是 'active' 传参那一块。代码看起来很像，实际用起来还是不一样的。
张丹老师在实例化对象的存储里这样讲：“实例化对象的存储还有另外一方面的考虑，由于类中的变量都是存在于一个环境空间中的，我们也可以通过手动的方式找到这个环境空间，从而进行变量的增加或修改。 如果随意地对环境空间中的变量进行修改，那么会给我们的程序带来一些安全上的风险，所以为了预防安全上的问题，可以通过R6Class()的lock参数所定环境空间，不允许动态修改，默认值为锁定状态不能修改。”
张丹老师提供了下面这个例子。'lock = TRUE'锁定后，就不可以对实例添加新的变量（属性）了。
廖雪峰老师在使用__ slots__里这样讲：“如果我们想要限制实例的属性怎么办？比如，只允许对Student实例添加name和age属性......为了达到限制的目的，Python允许在定义class的时候，定义一个特殊的__ slots__变量，来限制该class实例能添加的属性”。
用__ slots__ 改写上面这个例子，如下图所示：
张丹老师描述了R6类的对象的静态属性“用面向对象的方法进行编程，那么所有变量其实都是对象，我们可以把一个实例化的对象定义成另一个类的属性，这样就形成了对象的引用关系链。。。当属性赋值为另一个R6的对象时，属性的值保存了对象的引用，而非对象实例本身。利用这个规则就可以实现对象的静态属性，也就是可以在多种不同的实例中是共享对象属性，类似于Java中的static属性一样。”
张丹老师举了下面一个例子。
我在廖雪峰老师的博客里找了半天，并没有找到对应的对象的静态属性，但试着写了下面这段代码，发现python也有对象的静态属性。
廖雪峰老师在类和实例一节中提到“类是创建实例的模板，而实例则是一个一个具体的对象，各个实例拥有的数据都互相独立，互不影响”。如果考虑到对象的静态属性，各个实例之间可以共享相同的属性，修改其中一个实例的属性，也会影响其他实例的属性。所以“各个实例拥有的数据都互相独立，互不影响”这一结论是不太严谨的。
小结一下:
Rmarkdown可以提供同时学习多种编程语言的环境，通过比较学习，可以加深理解。
这里提到的R语言和python语言在面向对象编程方面存在一些相通的地方，讲的有点浅，没有举更多例子。
表姐有次问我：你都这么大了，怎么还学啊？
不学不行啊，我没有张仪的三寸不烂之舌，只能不停的敲打自己的饭碗，所谓笨手笨脚的饭碗，就是指这个吧，辛苦是肯定的。
