Summary  
This chapter covers how to manipulate data frame columns by adding new columns via assignment, removing columns using negative selection, and renaming columns with a column-names function.  

General domain of usage  
Data wrangling

Los data frames son flexibles: puedes **agregar**, **eliminar** y **renombrar** columnas según sea necesario.

## Agregar columnas
Para agregar una nueva columna, asigna un vector de valores a un nuevo nombre de columna. Puedes usar el signo de dólar (`$`) o corchetes con comillas.

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

# Adding a new column with job titles
test$job <- c("Teacher", "Doctor", "Manager")
test

También se puede hacer lo mismo con:
```r
test[, "Job"] <- c("Teacher", "Doctor", "Manager")
```

La longitud del vector que agregues debe coincidir con el número de filas en el data frame.

Nota

## Eliminación de columnas
Para eliminar una o más columnas, utilizar la función `subset()` con el argumento `select = -...`.

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
test <- data.frame(name, age, gender)
test$job <- c('Teacher', 'Doctor', 'Manager')

# Drop a single column
subset(test, select = -job)
# Drop multiple columns
subset(test, select = -c(age, gender))

Para renombrar columnas, utiliza la función `colnames()`. La sintaxis es la misma que con matrices:
```r
colnames(data) <- new_names
```

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Виконуємо user_code.R в окремому середовищі
#  2) Перевіряємо об'єкти і вивід
# =====================================================================

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 user_code.R і перехоплюємо вивід
res <- run_user_code(
  file       = user_file,
  capture    = c("store"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  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 exist and be a data.frame."
  )
}

# ---------- CASE 2 ----------
{
  expected_cols <- c("Item", "Price", "Sold")
  ok <- identical(colnames(res$values$store), expected_cols)

  dynamic_test(
    ok,
    "Data frame 'store' has correct column names (Item, Price, Sold)",
    sprintf("Expected column names: %s. Got: %s",
            paste(expected_cols, collapse = ", "),
            paste(colnames(res$values$store), collapse = ", "))
  )
}

# ---------- CASE 3 ----------
{
  expected_data <- data.frame(
    Item = c('Sofa', 'Armchair', 'Dining table', 'Dining chair', 'Bookshelf'),
    Price = c(340, 150, 115, 45, 160),
    Sold = c(67, 81, 79, 76, 42)
  )

  ok <- identical(as.character(res$values$store$Item), as.character(expected_data$Item)) &&
        identical(as.numeric(res$values$store$Price), as.numeric(expected_data$Price)) &&
        identical(as.numeric(res$values$store$Sold), as.numeric(expected_data$Sold))

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

# ---------- CASE 4 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("Item", out) && grepl("Price", out) && grepl("Sold", out) &&
        grepl("Sofa", out) && grepl("Armchair", out) &&
        grepl("340", out) && grepl("150", out) &&
        grepl("79", out) && grepl("76", out) && grepl("42", out)

  dynamic_test(
    ok,
    "Console output contains all expected column names and numeric values",
    sprintf("Expected console output to include Item, Price, Sold, and numbers 340,150,79,76,42. 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

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.

Manipulación de Columnas

Agregar columnas

Ejemplo

Eliminación de columnas

Ejemplo

Renombrar columnas

Solución

Item	Price	Sold
Sofa	340	67
Armchair	150	81
Dining table	115	79
Dining chair	45	76
Bookshelf	160	42