$是S3类的引用方式,$比较常用，当一个函数里需要返回多个值（比如有变量，有向量，有矩阵）时，我们要用list,而不是return，这时如果想提取某个变量的结果，就需要用到$，默认情况下，对于 list, environment 这两种对象，$可以提取（extract）出里面的元素,对于自己定义的class，可以实现$ S3 Method。通常我们的data.frame, list. 向量等用$就可以。
@是S4类的引用方式。@比较少用。对于 S4 object，@可以提取出 slot。
比如
m1<-lm(Y~X,data=....(some data frame))
m1$coefficients
就会返回回归直线的截距和斜率。
x$y 等价于 x[["y", exact = FALSE]]，用于获取dataframe或者list里面的某个变量，
比如mtcars$cyl 和 diamonds$carat。不同之处在于 $ 可以部分匹配变量名，比如：
x <- list(abc = 1)
x$a
#> [1] 1
x[["a"]]
#> NULL
S4也有例如，有个维恩包Vennerable：S4类型，想取得里面IntersectionSets，信息必须用@符号。
@ 是R中，S4类的一个操作符，用于提取S4对象中的内容（slot），比如：
setClass("Person",
slots = list(name = "character", age = "numeric"))
alice <- new("Person", name = "Alice", age = 40)
alice@age
> [1] 40
这个时候\(是不起作用的，因为被S4类重写了。可以自己定义\)的行为。
顺便对比一下“[[” 和 $ 的效率：x <- list(axy = 1:100, b = rep(letters, each = 4))
microbenchmark(
x[["axy"]],
x$axy,
x$a,
times = 10000L,
control = list(warmup = 1000L)
)
>
Unit: nanoseconds
expr min lq mean median uq max neval
x[["axy"]] 0 0 16.2116 0 1 27584 10000
x$axy 0 0 28.7540 0 1 14113 10000
x$a 0 0 40.2570 0 1 25018 10000
三种写法用时相差不大。不过需要极限优化的时候可以考虑用“[[”而不是 $。