R中使用整数类型常量（如1L）而非数值类型常量的优势及适用场景

在R源代码中，多数（但并非全部）函数的常量均采用整数类型：

colnames <- function(x, do.NULL = TRUE, prefix = "col")
{
    if(is.data.frame(x) && do.NULL)
    return(names(x))
    dn <- dimnames(x)
    if(!is.null(dn[[2L]]))
    dn[[2L]]
    else {
        nc <- NCOL(x)
    if(do.NULL) NULL
        else if(nc > 0L) paste0(prefix, seq_len(nc))
        else character()
    }
}

R Language Definition指出：

多数情况下，整数与数值类型的差异无足轻重，R在处理数值时会自动执行正确操作。但部分场景下，我们需要显式创建整数类型的常量。

必须使用整数类型常量的场景 #

• S4类整数槽赋值：如果S4类的某个槽明确定义为integer类型，传入数值型常量会直接报错。比如定义setClass("Order", slots = list(serial = "integer"))，执行new("Order", serial = 1)会抛出类型不匹配错误，替换为serial = 1L即可正常运行。
• 保持整数向量类型不变：如果目标变量是整数类型，赋值时用数值型常量会静默将变量转换为数值型，导致后续依赖整数类型的逻辑失败。比如x <- integer(2); x[1] <- 1执行后x会变为numeric类型，替换为x[1] <- 1L就能保持x的integer类型。
• R包开发过检：编写R包时，如果函数参数明确要求整数输入，传入数值型常量会触发R CMD check的警告甚至错误，显式使用整数常量可以避免这类检查问题。
• 底层接口调用：调用C/C++编写的扩展函数、R内置的底层primitive函数时，部分接口严格要求整数输入，传入数值型会直接调用失败，必须用整数常量。

无需使用整数类型常量的场景 #

• 交互式临时分析：日常写临时代码、做探索性分析时，R会自动对可兼容的数值做类型转换，比如取mtcars[1, ]和mtcars[1L, ]结果完全一致，没必要特意加L增加输入成本。
• 普通数值运算：做算术运算、绘图参数传值等场景，只要业务逻辑不要求严格的整数类型，直接用数值型常量即可，R的自动类型转换完全可以覆盖需求。
• 无类型要求的索引：只是临时用常量取向量、数据框的指定位置时，不需要特意用整数常量，自动转换不会影响结果。

内容的提问来源于stack exchange，提问作者Thomas