Summary  
This chapter shows how to index into a list by position or name, using single brackets to return sublists and double brackets (or the $ shorthand) to extract the underlying values.

General domain of usage  
Data manipulation

Los elementos de una lista pueden ser accedidos de varias maneras. Al igual que en los vectores, la indexación comienza en `1`.

## Acceso por índice
Los elementos en una lista pueden ser accedidos con corchetes simples o dobles:
- El uso de **corchetes simples** (`[ ]`) devuelve el elemento como una **lista**;
- El uso de **corchetes dobles** (`[[ ]]`) devuelve **el valor en sí**.

test <- list(text = "Text", number = 42, logical = TRUE)

# Extract as list
test[2]
# Extract as value
test[[2]]

## Acceso por etiqueta
Si una lista tiene etiquetas, puedes extraer elementos usando esas etiquetas. Al igual que con los índices, puedes usar corchetes simples (`[ ]`) para devolver una lista o corchetes dobles (`[[ ]]`) para devolver el valor. Además, el signo de dólar (`$`) proporciona una forma abreviada de acceder a los valores.

test <- list(text = "Text", number = 42, logical = TRUE)

# Extract as list
test["text"]
# Extract as value
test[["text"]]
test$text

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
# =====================================================================

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

# Знаходимо 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")

# Виконуємо код користувача
res <- run_user_code(
  file       = user_file,
  capture    = c("info"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  ok <- !is.null(res$values$info) && is.list(res$values$info)

  dynamic_test(
    ok,
    "Variable 'info' is declared and is a list",
    "Expected 'info' to exist and be a list."
  )
}

# ---------- CASE 2 ----------
{
  expected_names <- c('Course name', 'Section', 'Chapter', 'Chapter overall')
  ok <- identical(names(res$values$info), expected_names)

  dynamic_test(
    ok,
    "List 'info' has correct element names",
    sprintf("Expected names: %s. Got: %s",
            paste(expected_names, collapse = ", "),
            paste(names(res$values$info), collapse = ", "))
  )
}

# ---------- CASE 3 ----------
{
  first_elem <- res$values$info[1]
  ok <- is.list(first_elem)

  dynamic_test(
    ok,
    "Extracting first element with [1] returns a list",
    "Expected info[1] to be a list, not a single value."
  )
}

# ---------- CASE 4 ----------
{
  fourth_elem <- res$values$info[[4]]
  ok <- is.numeric(fourth_elem)

  dynamic_test(
    ok,
    "Extracting fourth element with [[4]] returns a numeric value",
    "Expected info[[4]] to be a numeric value (41)."
  )
}

# ---------- CASE 5 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("Course name", out, fixed = TRUE) &&
        grepl("R Introduction", out, fixed = TRUE) &&
        grepl("list", out, fixed = TRUE) &&
        grepl("41", out, fixed = TRUE) &&
        grepl("numeric", out, fixed = TRUE)

  dynamic_test(
    ok,
    "Console output contains extracted elements and their classes",
    sprintf("Expected output to include Course name, list, numeric, 41. 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

Adquirir una comprensión sólida de R, uno de los lenguajes más utilizados para el análisis de datos. Explorar los tipos de datos fundamentales y los valores unidimensionales, para luego avanzar a estructuras multidimensionales, incluyendo matrices, marcos de datos y listas. Desarrollar las habilidades necesarias para aplicar R de manera efectiva en el análisis estadístico y la toma de decisiones basada en datos.

Aprende los aspectos esenciales de la sintaxis de R, como aritmética, variables, funciones de impresión y comentarios. Fortalece tu comprensión de la lógica computacional a través de ejercicios.

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

Desarrolla la capacidad de gestionar datos categóricos de manera efectiva. Descubre cómo estructurar, agrupar e interpretar valores convirtiendo datos en bruto 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 valiosa 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.

Indexar Elementos de Listas

Acceso por índice

Ejemplo

Acceso por etiqueta

Ejemplo

Solución