Summary  
This chapter explains how to modify a list data structure by adding new elements (by index or label and by merging), removing elements (by assigning NULL), and updating existing elements through reassignment.

General domain of usage  
Data structure manipulation

Listat ovat joustavia: voit **lisätä**, **poistaa** tai **muuttaa** niiden alkioita.

## Alkioiden lisääminen
Lisätäksesi uuden alkion, anna arvo uudelle indeksille tai nimilapulle.

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

# Add new value with a label
test["integer"] <- 23L
# Add new value with an index
test[[5]] <- "new element"
test

Kun lisäät nimen perusteella, käytä **lainausmerkkejä** (esim. `"integer"`).

Huomio

Voit myös yhdistää kaksi listaa `c()`-funktiolla, joka yhdistää ne yhdeksi listaksi:

list1 <- list("first", 10)
list2 <- list("second", 20)

# Merge lists
list12 <- c(list1, list2)
list12

## Alkioiden poistaminen
Poistaaksesi alkion, aseta sille arvoksi `NULL`. 

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

# Remove element
test$logical <- NULL
test

## Alkioiden päivittäminen
Alkion arvon muuttaminen onnistuu yksinkertaisesti määrittämällä sille uusi arvo.

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

# Update element
test[1] <- "word"
test

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Виконуємо user_code.R в окремому середовищі
#  2) Перевіряємо змінені значення та 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 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 ----------
{
  ok <- length(res$values$info) == 4

  dynamic_test(
    ok,
    "List 'info' contains 4 elements after modifications",
    sprintf("Expected length 4. Got: %s", length(res$values$info))
  )
}

# ---------- CASE 3 ----------
{
  expected_names <- c("Course name", "Section", "Chapter overall", "Level")
  ok <- identical(names(res$values$info), expected_names)

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

# ---------- CASE 4 ----------
{
  expected_values <- list("R Introduction", 6, 44, "Beginner")
  ok <- identical(unname(res$values$info), expected_values)

  dynamic_test(
    ok,
    "List 'info' contains correct updated values",
    sprintf("Expected values: %s. Got: %s",
            paste(expected_values, collapse = ", "),
            paste(unname(res$values$info), collapse = ", "))
  )
}

# ---------- CASE 5 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))

  ok <- grepl("Course name", out, fixed = TRUE) &&
        grepl("R Introduction", out, fixed = TRUE) &&
        grepl("Section", out, fixed = TRUE) &&
        grepl("6", out, fixed = TRUE) &&
        grepl("Chapter overall", out, fixed = TRUE) &&
        grepl("44", out, fixed = TRUE) &&
        grepl("Level", out, fixed = TRUE) &&
        grepl("Beginner", out, fixed = TRUE)

  dynamic_test(
    ok,
    "Console output contains updated list with all names and values",
    sprintf("Expected output to include Course name, Section, Chapter overall, Level. 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 muokkaaminen

Alkioiden lisääminen

Esimerkki

Alkioiden poistaminen

Esimerkki

Alkioiden päivittäminen

Esimerkki

Ratkaisu