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

Listan alkioihin voidaan päästä käsiksi useilla tavoilla. Ja aivan kuten vektoreissa, indeksointi alkaa arvosta `1`.

## Pääsy indeksin perusteella
Listan alkioihin voidaan viitata joko yhdellä tai kahdella hakasululla:
- **Yhden hakasulun** (`[ ]`) käyttö palauttaa alkion **listana**;
- **Kahden hakasulun** (`[[ ]]`) käyttö palauttaa **arvon itsessään**.

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

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

## Pääsy tunnisteen perusteella
Jos listalla on tunnisteet, voit hakea alkioita niiden avulla. Kuten indekseillä, voit käyttää yksittäisiä hakasulkeita (`[ ]`) saadaksesi listan tai kaksoishakasulkeita (`[[ ]]`) saadaksesi arvon. Lisäksi dollarimerkki (`$`) tarjoaa lyhyemmän tavan arvojen hakemiseen.

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

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.

Listaelementtien Indeksointi

Pääsy indeksin perusteella

Esimerkki

Pääsy tunnisteen perusteella

Esimerkki

Ratkaisu

Awesome!

Listaelementtien Indeksointi

Pääsy indeksin perusteella

Esimerkki

Pääsy tunnisteen perusteella

Esimerkki

Ratkaisu