Summary  
This chapter covers accessing named columns in a data frame using square bracket indexing and the dollar-sign shorthand.

General domain of usage  
Data analysis

Los data frames siempre tienen columnas con nombre, y puedes utilizar estos nombres para extraer columnas específicas. Existen dos enfoques principales.

## Uso de corchetes
Puedes especificar el nombre de la columna dentro de corchetes.

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
test <- data.frame(name, age, gender)

# Extracting the name with square brackets
test[, "name"]

## Uso del signo de dólar
Los data frames también admiten un operador abreviado, `$`, que permite acceder a una columna por nombre sin comillas.

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
test <- data.frame(name, age, gender)

# Extracting the name with dollar sign
test$name

# =====================================================================
# ОПТИМІЗОВАНІ ТЕСТИ ДЛЯ mtcars[,'cyl'] ТА mtcars$disp
# =====================================================================

library(testthat)
source(testthat::test_path("helper-run_user_code.R"), local = TRUE)

# Пошук user_code.R
candidates <- c(
  testthat::test_path("..", "..", "user_code.R"),
  testthat::test_path("user_code.R")
)

user_file <- candidates[file.exists(candidates)][1]
if (is.na(user_file)) stop("user_code.R not found")

# Виконання коду користувача з обмеженим capture
logs_full <- utils::capture.output(source(user_file, echo = FALSE, print.eval = TRUE))
out <- trimws(substr(paste(logs_full, collapse = " "), 1, 1000))  # обмежуємо до 1000 символів

# ---------- CASE 1 ----------
{
  cyl_vals <- mtcars[,'cyl']
  ok <- all(cyl_vals %in% c(4,6,8))

  dynamic_test(
    ok,
    "mtcars[,'cyl'] returns valid cylinder values (4,6,8)",
    "Expected numeric vector containing only 4, 6, or 8."
  )
}

# ---------- CASE 2 ----------
{
  disp_vals <- mtcars$disp
  ok <- is.numeric(disp_vals) && length(disp_vals) == nrow(mtcars)

  dynamic_test(
    ok,
    "mtcars$disp returns numeric vector with correct length",
    sprintf("Expected %d numeric values, got %d.", nrow(mtcars), length(disp_vals))
  )
}

# ---------- CASE 3 ----------
{
  ok <- grepl("6", out, fixed = TRUE) &&
        grepl("4", out, fixed = TRUE) &&
        grepl("8", out, fixed = TRUE) &&
        grepl("160.0", out, fixed = TRUE) &&
        grepl("108.0", out, fixed = TRUE) &&
        grepl("275.8", out, fixed = TRUE)

  dynamic_test(
    ok,
    "Console output contains expected numeric data from mtcars (cyl and disp columns)",
    sprintf("Expected output to include 6, 4, 8, 160.0, 108.0, 275.8. Actual (first 300 chars): %s",
            substr(out, 1, 300))
  )
}


test_hidden.R

# =====================================================================
# ВСПОМОГАТЕЛЬНЫЕ ХЕЛПЕРЫ ДЛЯ ТЕСТОВ
#
# Файл называется helper-*.R: testthat автоматически подхватывает такие
# файлы перед выполнением любых тестов в каталоге tests/testthat.
# =====================================================================

# -----------------------------------------------------------------------------
# run_user_code(...)
#  - безопасно запускает user_code.R в отдельном окружении (env)
#  - перехватывает ВЕСЬ вывод (stdout): как результаты выражений, так и print()/cat()
#  - возвращает:
#       values  — список запрошенных переменных (по именам из аргумента capture)
#       logs    — вектор строк перехваченного вывода
#       env     — окружение, где выполнялся user_code (можно исследовать при необходимости)
#
# ПАРАМЕТРЫ:
#   file        — путь к user_code.R
#   capture     — character-вектор имён переменных, которые нужно извлечь после выполнения
#   inject      — список объектов/функций, которые нужно «подложить» в среду исполнения
#                 (можно использовать для моков/маскировки опасных функций: system, file.remove и т.д.)
#   echo        — печатать код при исполнении (обычно FALSE)
#   print.eval  — ПЕЧАТАТЬ РЕЗУЛЬТАТЫ ВЫРАЖЕНИЙ. Ключевая опция, чтобы строки вида
#                 `prices['Armchair']` попадали в stdout без явного print().
#
# БЕЗОПАСНОСТЬ:
#   - В базовом R нет полноценной «песочницы». Мы изолируем код в новом env,
#     но ОС-доступ не блокируется магически.
#   - Для задач онлайн-платформы можно частично «глушить» опасные вызовы через inject,
#     например:
#       inject = list(
#         system      = function(...) stop("system disabled"),
#         file.remove = function(...) stop("file.remove disabled")
#       )
# -----------------------------------------------------------------------------
run_user_code <- function(
  file = "user_code.R",
  capture = character(0),
  inject = list(),
  echo = FALSE,
  print.eval = TRUE
) {
  # Бросаем явную ошибку, если файла нет (проще диагностировать)
  stopifnot(file.exists(file))

  # Изолированное окружение: parent=baseenv() (без лишних пользовательских объектов сверху)
  env <- new.env(parent = baseenv())

  # Подмешиваем моки/данные в окружение (при необходимости)
  if (length(inject)) list2env(inject, envir = env)

  # ВАЖНО: перехватываем весь вывод выполнения файла.
  # source(..., local=env, echo, print.eval) исполняет код ВНУТРИ env.
  # print.eval=TRUE заставляет R печатать результаты выражений (как в консоли),
  # что позволяет проверять «голые» выражения без print().
  logs <- utils::capture.output(
    base::source(file, local = env, echo = echo, print.eval = print.eval)
  )

  # Собираем запрошенные значения переменных
  values <- setNames(vector("list", length(capture)), capture)
  for (nm in capture) {
    if (exists(nm, envir = env, inherits = FALSE)) {
      values[[nm]] <- get(nm, envir = env, inherits = FALSE)
    } else {
      values[[nm]] <- NULL
    }
  }

  list(values = values, logs = logs, env = env)
}

# -----------------------------------------------------------------------------
# dynamic_test(condition, success, failure)
#  - Создаёт ОДИН тест с «динамическим» названием.
#  - Если condition=TRUE → тест называется success.
#  - Если condition=FALSE → тест называется failure, и тест проваливается.
#  - Используем настоящую expectation (expect_true(TRUE)), чтобы репортёры всегда
#    печатали имя успеха (TAP, progress и т.д.).
# -----------------------------------------------------------------------------
dynamic_test <- function(condition, success, failure) {
  if (isTRUE(condition)) {
    testthat::test_that(success, {
      testthat::expect_true(TRUE)
    })
  } else {
    testthat::test_that(failure, {
      testthat::fail(failure)
    })
  }
}
# =====================================================================

helper-run_user_code.R

Adquiera una comprensión sólida de R, uno de los lenguajes más utilizados para el análisis de datos. Explore los tipos de datos fundamentales y los valores unidimensionales, luego avance hacia estructuras multidimensionales, incluidas matrices, marcos de datos y listas. Desarrolle las habilidades necesarias para aplicar R de manera efectiva en el análisis estadístico y la toma de decisiones basada en datos.

Aprenda los aspectos esenciales de la sintaxis de R, como aritmética, variables, funciones de impresión y comentarios. Refuerce su comprensión de la lógica computacional mediante ejercicios.

Explora los tipos de datos en R y comprende su función en el manejo de datos. Desarrolla habilidades para trabajar con vectores como estructuras esenciales para organizar y analizar información.

Desarrollar la capacidad para gestionar datos categóricos de manera eficaz. Descubrir cómo estructurar, agrupar e interpretar valores al convertir datos sin procesar en categorías claras.

Comprender cómo representar y trabajar con datos estructurados bidimensionales. Desarrollar confianza en la transformación, etiquetado y aplicación de operaciones a matrices para tareas analíticas.

Domina la estructura de datos más utilizada en R para información tabular. Aprende a organizar, transformar y extraer información de conjuntos de datos para respaldar decisiones basadas en datos.

Aprenda cómo las listas van más allá de los vectores al almacenar elementos de diferentes tipos y longitudes. Desarrolle la capacidad de crear, acceder y modificar listas para organizar estructuras de datos complejas.

Acceso a Columnas en Marcos de Datos

Uso de corchetes

Ejemplo

Uso del signo de dólar

Ejemplo

Solución

Acceso a Columnas en Marcos de Datos

Uso de corchetes

Ejemplo

Uso del signo de dólar

Ejemplo

Solución