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 viitata useilla tavoilla. Kuten vektoreissa, indeksointi alkaa arvosta `1`.

## Viittaus indeksillä
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 hakasulkuja (`[ ]`) saadaksesi listan tai kaksoishakasulkuja (`[[ ]]`) saadaksesi arvon. Lisäksi dollarimerkki (`$`) tarjoaa lyhyemmän tavan hakea arvoja.

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

Saavuta vankka ymmärrys R:stä, yhdestä laajimmin käytetyistä kielistä data-analyysissä. Tutustu perusdatatyyppeihin ja yksiulotteisiin arvoihin, ja etene moniulotteisiin rakenteisiin, kuten matriiseihin, datafreimeihin ja listoihin. Rakenna taidot, joita tarvitaan R:n tehokkaaseen soveltamiseen tilastollisessa analyysissä ja dataohjatussa päätöksenteossa.

Opi R-syntaksin perusteet, kuten aritmetiikka, muuttujat, tulostusfunktiot ja kommentit. Vahvista ymmärrystäsi laskennallisesta logiikasta harjoitusten avulla.

Tutustu R:n tietotyyppeihin ja ymmärrä niiden rooli datan käsittelyssä. Kehitä taitoja vektorien käytössä olennaisina rakenteina tiedon järjestämisessä ja analysoinnissa.

Kehitä kykyä hallita kategorista dataa tehokkaasti. Opi, kuinka jäsentää, ryhmitellä ja tulkita 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 tietoaineistoja tietoon perustuvien päätösten tueksi.

Opi, kuinka listat laajentavat vektorien ominaisuuksia tallentamalla eri tyyppisiä ja pituisia alkioita. Kehitä kykyä luoda, käyttää ja muokata listoja monimutkaisten tietorakenteiden järjestämiseksi.

Listaelementtien Indeksointi

Viittaus indeksillä

Esimerkki

Pääsy tunnisteen perusteella

Esimerkki

Ratkaisu