Summary  
The chapter explains how to use the data.frame() function to combine multiple vectors or lists into a structured table, with each input becoming a column named after its variable.  

General domain of usage  
Data analysis

La fonction `data.frame()` crée une table de données à partir de vecteurs ou de listes. Chaque vecteur devient une colonne, et son nom de variable est utilisé comme nom de colonne.

# Data
name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")

# Create a data frame
test <- data.frame(name, age, gender)
test

Le data frame résultant comporte trois colonnes (`name`, `age` et `gender`), avec des noms de colonnes automatiquement attribués à partir des noms des variables.

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Один раз выполняем пользовательский файл в отдельном окружении
#     через run_user_code(...). Получаем:
#       - res$values$...  — переменные из окружения
#       - res$logs        — весь печатный вывод (включая результаты выражений)
#  2) Каждый кейс — отдельный dynamic_test(...), то есть отдельная строка
#     в отчёте, с «говорящим» названием (успех/ошибка).
# =====================================================================

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")
)

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 вывод
res <- run_user_code(
  file       = user_file,
  capture    = c("prices", "items", "store"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  ok <- !is.null(res$values$prices) && is.numeric(res$values$prices) &&
        identical(res$values$prices, c(340, 150, 115, 45, 160))

  dynamic_test(
    ok,
    "Variable 'prices' is declared and has correct numeric values",
    sprintf("Expected prices = c(340,150,115,45,160). Got: %s",
            paste(res$values$prices, collapse = " "))
  )
}

# ---------- CASE 2 ----------
{
  ok <- !is.null(res$values$items) && is.character(res$values$items) &&
        identical(res$values$items,
                  c('Sofa', 'Armchair', 'Dining table', 'Dining chair', 'Bookshelf'))

  dynamic_test(
    ok,
    "Variable 'items' is declared and has correct character values",
    sprintf("Expected items = Sofa, Armchair, Dining table, Dining chair, Bookshelf. Got: %s",
            paste(res$values$items, collapse = ", "))
  )
}

# ---------- CASE 3 ----------
{
  ok <- !is.null(res$values$store) && is.data.frame(res$values$store)

  dynamic_test(
    ok,
    "Variable 'store' is declared and is a data.frame",
    "Expected 'store' to be a data.frame."
  )
}

# ---------- CASE 4 ----------
{
  expected_df <- data.frame(
    items = c('Sofa', 'Armchair', 'Dining table', 'Dining chair', 'Bookshelf'),
    prices = c(340, 150, 115, 45, 160)
  )
  ok <- identical(as.character(res$values$store$items), as.character(expected_df$items)) &&
        identical(as.numeric(res$values$store$prices), as.numeric(expected_df$prices))

  dynamic_test(
    ok,
    "Data frame 'store' contains correct columns and values",
    sprintf("Expected 'store' items and prices to match defined vectors. Got:\n%s",
            paste(utils::capture.output(dput(res$values$store)), collapse = " "))
  )
}

# ---------- CASE 5 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("Sofa", out) && grepl("Armchair", out) &&
        grepl("Dining table", out) && grepl("Dining chair", out) &&
        grepl("Bookshelf", out) &&
        grepl("340", out) && grepl("150", out) &&
        grepl("115", out) && grepl("45", out) && grepl("160", out)

  dynamic_test(
    ok,
    "Console output contains all expected item names and prices",
    sprintf("Expected output to include item names and numeric prices. 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

Acquérir une compréhension solide de R, l’un des langages les plus utilisés pour l’analyse de données. Explorer les types de données fondamentaux et les valeurs unidimensionnelles, puis progresser vers des structures multidimensionnelles, y compris les matrices, les data frames et les listes. Développer les compétences nécessaires pour appliquer R efficacement dans l’analyse statistique et la prise de décision basée sur les données.

Découvrez les éléments essentiels de la syntaxe R, tels que l'arithmétique, les variables, les fonctions d'affichage et les commentaires. Renforcez votre compréhension de la logique computationnelle grâce à des exercices.

Découvrez les types de données en R et comprenez leur rôle dans la gestion des données. Développez des compétences dans l'utilisation des vecteurs en tant que structures essentielles pour organiser et analyser l'information.

Développer la capacité à gérer efficacement les données catégorielles. Découvrir comment structurer, regrouper et interpréter les valeurs en convertissant des données brutes en catégories claires.

Comprendre comment représenter et manipuler des données structurées bidimensionnelles. Acquérir de l'assurance dans la transformation, l'étiquetage et l'application d'opérations sur des matrices pour des tâches analytiques.

Maîtriser la structure de données la plus utilisée dans R pour les informations tabulaires. Apprendre à organiser, transformer et extraire des informations à partir de jeux de données pour soutenir les décisions basées sur les données.

Découvrez comment les listes vont au-delà des vecteurs en stockant des éléments de types et de longueurs différents. Acquisition des compétences pour créer, accéder et modifier des listes afin d'organiser des structures de données complexes.

Fonction Data.Frame()

Exemple

Solution

Fonction Data.Frame()

Exemple

Solution