Summary  
This chapter covers performing element-wise arithmetic on matrices, using aggregate functions to compute overall summaries (like sum and mean), and applying row- and column-wise summary functions.

General domain of usage  
Data analysis

R:n matriisit tukevat aritmeettisia operaatioita sekä yksittäisillä luvuilla että sisäänrakennetuilla funktioilla, jotka yhteen­vetävät niiden arvoja.

## Skalaariset operaatiot
Aritmeettisen operaation käyttäminen yksittäisen luvun kanssa vaikuttaa kaikkiin matriisin alkioihin.

m <- matrix(1:9, nrow = 3, byrow = TRUE)

# Multiply every element by 3
m * 3

## Aggregaattifunktiot
Funktiot kuten `sum()` ja `mean()` laskevat summia tai keskiarvoja koko matriisille.

m <- matrix(1:9, nrow = 3, byrow = TRUE)

# Overall mean of all elements
mean(m)
# Overall sum of all elements
sum(m)

## Rivi- ja sarakefunktiot
Näitä funktioita voidaan käyttää myös riveihin tai sarakkeisiin erikseen käyttämällä `rowSums()`, `rowMeans()`, `colSums()` ja `colMeans()`.

m <- matrix(1:9, nrow = 3, byrow = TRUE)

# Column sums
colSums(m)
# Row means
rowMeans(m)

Nämä funktiot helpottavat matriisidatan analysointia ulottuvuuksittain.

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Один раз выполняем пользовательский файл в отдельном окружении
#     через run_user_code(...). Получаем:
#       - res$values$...  — переменные из окружения
#       - res$logs        — весь печатный вывод (включая результаты выражений)
#  2) Каждый кейс — отдельный dynamic_test(...), то есть отдельная строка
#     в отчёте, с «говорящим» названием (успех/ошибка).
# =====================================================================

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

# Ищем user_code.R
candidates <- c(
  testthat::test_path("..", "..", "user_code.R"),
  testthat::test_path("user_code.R")
)

candidates_norm <- vapply(candidates, function(p) {
  tryCatch(normalizePath(p, winslash = "/", mustWork = FALSE), error = function(e) NA_character_)
}, character(1))

exists_flags <- file.exists(candidates_norm)
if (!any(exists_flags)) {
  stop(
    sprintf(
      "user_code.R not found.\nChecked paths:\n  - %s\nWorking dir: %s",
      paste(candidates, collapse = "\n  - "),
      getwd()
    )
  )
}

user_file <- candidates_norm[which(exists_flags)[1]]

# Выполняем user_code.R и перехватываем консольный вывод
res <- run_user_code(
  file       = user_file,
  capture    = c("m"),
  echo       = FALSE,
  print.eval = TRUE
)

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

  dynamic_test(
    ok,
    "Matrix 'm' is declared and is a matrix",
    "Expected 'm' to exist and be a matrix."
  )
}

# ---------- CASE 2 ----------
{
  expected_m <- matrix(c(2,3,4,5,6,7,8,9), nrow = 2, byrow = TRUE)
  ok <- all(res$values$m == expected_m)

  dynamic_test(
    ok,
    "Matrix 'm' values are correct after operation m <- m/2 + 1",
    sprintf("Expected matrix: %s. Got: %s",
            paste(expected_m, collapse = " "),
            paste(res$values$m, collapse = " "))
  )
}

# ---------- CASE 3 ----------
{
  col_total <- colSums(res$values$m)
  expected_colsums <- c(8,10,12,14)
  ok <- identical(as.numeric(col_total), expected_colsums)

  dynamic_test(
    ok,
    "colSums(m) returns correct column totals (8, 10, 12, 14)",
    sprintf("Expected colSums = c(8,10,12,14). Got: %s",
            paste(col_total, collapse = " "))
  )
}

# ---------- CASE 4 ----------
{
  m_mean <- mean(res$values$m)
  ok <- identical(m_mean, 5.5)

  dynamic_test(
    ok,
    "mean(m) returns correct overall mean (5.5)",
    sprintf("Expected mean(m) = 5.5. Got: %s", m_mean)
  )
}

# ---------- CASE 5 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("2", out) && grepl("3", out) && grepl("4", out) &&
        grepl("5", out) && grepl("6", out) && grepl("7", out) &&
        grepl("8", out) && grepl("9", out) &&
        grepl("10", out) && grepl("12", out) &&
        grepl("14", out) && grepl("5.5", out)

  dynamic_test(
    ok,
    "Console output contains all expected matrix values, column sums, and mean",
    sprintf("Expected output to include numbers 2–9, 8–14, and 5.5. 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

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.

Operaatiot Matriisien Kanssa

Skalaariset operaatiot

Esimerkki

Aggregaattifunktiot

Esimerkki

Rivi- ja sarakefunktiot

Esimerkki

Ratkaisu

Awesome!

Operaatiot Matriisien Kanssa

Skalaariset operaatiot

Esimerkki

Aggregaattifunktiot

Esimerkki

Rivi- ja sarakefunktiot

Esimerkki

Ratkaisu