好吧，回答这个问题需要一些背景知识（在我看来）......
在 R 中，当您拥有用户定义的对象结构或诸如因子向量或数据框之类的对象时，对象的类是显式的，其中其他属性在对象本身的处理中发挥着重要作用（例如，级别）因子向量的标签或数据框中的变量名称是可修改的属性，它们在访问每个对象的观察结果中发挥主要作用。
但请注意，基本 R 对象（例如向量、矩阵和数组）是隐式分类的，这意味着该类不使用属性函数来标识。无论是隐式的还是显式的，都可以使用特定于属性的函数类来检索给定对象的类。
当泛型函数foo被应用到一个object对于类属性 c("first", "second")，系统会搜索名为 foo.first 的函数，如果找到，则将其应用于对象。如果没有找到这样的函数，则调用一个函数foo.second已尝试。如果没有类名产生合适的函数，则该函数foo.default已使用（如果存在）。如果没有class属性，则尝试隐式类，然后default method.
函数 class 打印对象继承的类名称向量。
class <- 设置对象继承的类。
继承()指示它的第一个参数是否继承自任何指定的类what争论。方法调度是根据泛型函数的第一个参数的类进行的。如果哪个为 TRUE，则与返回的长度相同的整数向量。每个元素表示与what的元素匹配的class(x)中的位置；零表示不匹配。如果which为FALSE，则如果what中的任何名称与任何类匹配，则inheritance返回TRUE。
All but 继承()是原始函数。
注意事项
好的，现在让我们以相反的顺序考虑您的示例......
foo <- function (x) UseMethod('foo')
foo.list <- function (x) {
# Foo the list
}
foo.numeric <- function (x) {
# Foo the numeric
}
现在如果我们使用函数methods()
methods(foo)
[1] foo.list foo.numeric
see '?methods' for accessing help and source code
> getS3method('foo','list')
function (x) {
# Foo the list
}
因此我们有一堂课foo和两个相关方法foo.list and foo.numeric。因此，我们现在知道该类foo，有方法支持list and numeric运营。
好的，现在让我们考虑你的第一个例子......
function (x) {
if (inherits(x, 'list')) {
# Foo the list
print(paste0("List: ", x))
} else if (inherits(x, 'numeric')) {
# Foo the numeric
print(paste0("Numeric: ", x))
} else {
# Throw an error
print(paste0("Unhandled - Sorry!"))
}
}
问题是这不是 s3 类，而是 R 函数。如果你跑methods()反对foo它返回“未找到方法”
> methods(foo)
no methods found
> getS3method('foo','list')
Error in getS3method("foo", "list") : no function 'foo' could be found
那么第二个例子中发生了什么？继承（）操作与参数的类相匹配。继承() ->方法调度是根据泛型函数的第一个参数的类进行的。
所以你的第一个例子只是查找类函数参数 x，没有创建或存在 S3 类。
每种方法有什么优点？对性能有影响吗？
好吧，我在这里有偏见，但对象的类是在 R 中描述实体的最有用的属性之一。您创建的每个对象都通过至少一个类隐式或显式地标识。 R 是一种面向对象的编程语言，这意味着实体存储为对象并具有作用于它们的方法。
所以我认为第二种方法是可行的。为什么？因为您真正按照预期使用了语言构造。使用继承（）的第一种方法明显感觉像是一种黑客攻击。从我个人的角度来看，可读性是理解的关键，因此我担心阅读第一个示例的人可能会问“为什么他们（程序员）采用上述方法，我错过了什么？”。我担心的是要避免复杂性，因为它会妨碍代码理解。因此，保持简单有利于代码理解。
就代码性能而言，if-else 解析器通常比对象查找模型更快，尽管查找模型并不等同于类映射过程，因此我觉得在这种情况下性能问题很难回答。为什么？这两种方法是不同的.
这里推荐几本书：
- R Inferno 帕特里克·伯恩斯 https://www.burns-stat.com/pages/Tutor/R_inferno.pdf
- 高级 R，作者：Hadley Wickham https://adv-r.hadley.nz/
- R 适合所有人：高级分析和图形
