Summary  
This chapter covers how to name and assign values to variables in code, detailing valid naming conventions and the use of the assignment operator.

General domain of usage  
Data analysis

**Muuttuja** on nimetty sijainti muistissa, joka sisältää arvon. Nimeä voidaan käyttää arvon hakemiseen tai muuttamiseen.

Määritelmä

Muuttujat ovat olennaisia R:ssä, koska niiden avulla voidaan tallentaa arvoja myöhempää käyttöä varten, mikä helpottaa koodin kirjoittamista, lukemista ja ylläpitoa.

## Nimeämissäännöt
- Muuttujan nimessä voi olla kirjaimia, numeroita, pisteitä (`.`) ja alaviivoja (`_`);
- Muuttujan nimi voi alkaa vain kirjaimella tai pisteellä;
- Jos muuttujan nimi alkaa pisteellä, seuraava merkki ei voi olla numero;
- Muuttujan nimi ei voi olla varattu avainsana, kuten `TRUE`, `FALSE`, `NA` jne.

Valitse kuvaavia nimiä, jotka kertovat tiedon sisällöstä. Esimerkiksi `year` on kuvaavampi kuin `a`. Tämä parantaa koodin luettavuutta.

Huomio

## Määrittelysyntaksi
Arvon voi asettaa muuttujalle käyttämällä sijoitusoperaattoria `=`.

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# Проверка:
#   1) cat(initial_money, interest_rate, n_years)
#      должен напечатать "2000 13 4"
# =====================================================================

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

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

# Нормализуем пути
candidates_norm <- vapply(candidates, function(p) {
  tryCatch(normalizePath(p, winslash = "/", mustWork = FALSE), error = function(e) NA_character_)
}, character(1))

exists_flags <- file.exists(candidates_norm)
if (!any(exists_flags)) {
  stop(
    sprintf(
      "user_code.R not found.\nChecked paths:\n  - %s\nWorking dir: %s",
      paste(candidates, collapse = "\n  - "),
      getwd()
    )
  )
}

user_file <- candidates_norm[which(exists_flags)[1]]

# Выполняем user_code.R и перехватываем консольный вывод
res <- run_user_code(
  file       = user_file,
  capture    = c("initial_money", "interest_rate", "n_years"),
  echo       = FALSE,
  print.eval = TRUE
)

out <- trimws(paste(res$logs, collapse = ""))

# ---------- CASE 1: Проверяем значения переменных ----------
{
  ok <- !is.null(res$values$initial_money) &&
        !is.null(res$values$interest_rate) &&
        !is.null(res$values$n_years) &&
        identical(res$values$initial_money, 2000) &&
        identical(res$values$interest_rate, 13) &&
        identical(res$values$n_years, 4)

  dynamic_test(
    ok,
    "Variables initial_money, interest_rate, and n_years have correct values",
    sprintf(
      "Expected: 2000, 13, 4. Got: %s, %s, %s",
      res$values$initial_money, res$values$interest_rate, res$values$n_years
    )
  )
}

# ---------- CASE 2: Проверяем консольный вывод ----------
{
  ok <- grepl("([^0-9]|^)2000([^0-9]+)13([^0-9]+)4([^0-9]|$)", out)
  dynamic_test(
    ok,
    "Console output contains '2000 13 4'",
    sprintf("Expected console output to include '2000 13 4'. Actual: %s", out)
  )
}


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

Hanki vankka ymmärrys R:stä, yhdestä laajimmin käytetyistä kielistä data-analyysissä. Tutustu perusdatalajeihin ja yksiulotteisiin arvoihin, ja etene moniulotteisiin rakenteisiin, kuten matriiseihin, data frameihin ja listoihin. Kehitä taidot, joita tarvitaan R:n tehokkaaseen soveltamiseen tilastollisessa analyysissä ja dataohjautuvassa päätöksenteossa.

Opi R:n syntaksin perusteet, kuten aritmetiikka, muuttujat, tulostusfunktiot ja kommentit. Syvennä ymmärrystäsi laskennallisesta logiikasta harjoitusten avulla.

Tutustu R:n tietotyyppeihin ja ymmärrä niiden merkitys tiedon käsittelyssä. Kehitä taitoja vektorien käytössä olennaisina rakenteina tiedon järjestämisessä ja analysoinnissa.

Kehitä kykyä hallita kategorista dataa tehokkaasti. Opi jäsentämään, ryhmittelemään ja tulkitsemaan arvoja muuntamalla raaka data selkeiksi kategorioiksi.

Ymmärrä, kuinka esittää ja käsitellä jäsenneltyä kaksiulotteista dataa. Vahvista osaamista matriisien muuntelussa, nimeämisessä ja operaatioiden soveltamisessa analyyttisiin tehtäviin.

Hallitse R:n yleisimmin käytetty tietorakenne taulukkomuotoisen tiedon käsittelyyn. Opi järjestämään, muuntamaan ja analysoimaan aineistoja tietoon perustuvien päätösten tueksi.

Opi, miten listat laajentavat vektorien ominaisuuksia mahdollistamalla erilaisten tyyppien ja pituuksien alkioiden tallentamisen. Kehitä kykyä luoda, käsitellä ja muokata listoja monimutkaisten tietorakenteiden järjestämiseksi.

Muuttujat

Nimeämissäännöt

Määrittelysyntaksi

Esimerkki

Ratkaisu

Muuttujat

Nimeämissäännöt

Määrittelysyntaksi

Esimerkki

Ratkaisu