
library(testthat)

source("user_code.R")
test_that("df1 has correct structure and at least 5 rows", {
  organize_experiment_data()
  expect_true(exists("df1"), info = "df1 must exist in the global environment.")
  expect_true(is.data.frame(df1), info = "df1 must be a data frame.")
  expect_true(all(c("SampleID", "Treatment", "Outcome") %in% colnames(df1)), info = "df1 must have columns 'SampleID', 'Treatment', and 'Outcome'.")
  expect_true(nrow(df1) >= 5, info = "df1 must have at least five rows.")
})

test_that("df2 filters only DrugA treatments", {
  organize_experiment_data()
  expect_true(exists("df2"), info = "df2 must exist in the global environment.")
  expect_true(is.data.frame(df2), info = "df2 must be a data frame.")
  expect_true(all(df2$Treatment == "DrugA"), info = "All rows in df2 must have Treatment as 'DrugA'.")
})

test_that("df3 filters only Alive outcomes", {
  organize_experiment_data()
  expect_true(exists("df3"), info = "df3 must exist in the global environment.")
  expect_true(is.data.frame(df3), info = "df3 must be a data frame.")
  expect_true(all(df3$Outcome == "Alive"), info = "All rows in df3 must have Outcome as 'Alive'.")
})

test_that("function does not require user input", {
  expect_error(organize_experiment_data(), NA, info = "The function should not require user input and should run without errors.")
})

test_main.R

Eine praxisorientierte Einführung in die R-Programmierung, zugeschnitten auf Biologen und Bioinformatiker. Analyse, Visualisierung und Interpretation biologischer Daten mit R anhand von praxisnahen Beispielen aus Genomik, Ökologie und experimenteller Biologie.

Erlernen Sie die Grundlagen der R-Programmierung mit Schwerpunkt auf biologischen Daten, einschließlich Variablen, Datentypen und grundlegender Datenmanipulation.

Vertiefung in statistische Methoden zur Analyse biologischer Daten, einschließlich zusammenfassender Statistiken, Hypothesentests und Interpretation von Ergebnissen.

Beherrschen Sie die Kunst der Visualisierung biologischer Daten mit R, von einfachen Diagrammen bis hin zu fortgeschrittenen Visualisierungen, die für Experimente relevant sind.

Erlernen Sie den Umgang mit genomischen Daten und die Entwicklung reproduzierbarer Workflows für wissenschaftliche Forschung in R.

Challenge: Organizing Experimental Data

Lösung