Summary  
This chapter introduces factors as a way to represent discrete categories in code, demonstrating how to convert a vector into a factor with defined levels.  

General domain of usage  
Data analysis

**Faktori** on tietorakenne, jota käytetään **luokittelu- eli kategoristen muuttujien** esittämiseen.

Määritelmä

Nämä muuttujat saavat arvonsa rajatusta ja kiinteästä joukosta, kuten veriryhmä, valuutta tai kansallisuus. Toisin kuin numeeriset muuttujat, kuten pituus, tulot tai hinta, faktorimuuttujat on tarkoitettu diskreeteille luokille.

## Faktorin luominen
Faktorit muodostetaan vektoreista. Faktorin luomiseksi määrittele vektori ja käytä sitten `factor()`-funktiota, joka liittää uniikkien kategorioiden joukon tasoiksi (levels).

# Create a vector of currency codes
curr <- c('USD', 'EUR', 'AUD', 'NOK', 
          'CHF', 'EUR', 'AUD', 'EUR')

# Convert the vector into a factor
curr_f <- factor(curr)
curr_f

Tulos näyttää tavalliselta vektorilta, mutta siihen sisältyy myös rivi nimeltä **Levels**, joka luettelee kaikki yksilölliset kategoriat. Nämä tasot määrittelevät joukon mahdollisia arvoja, joita faktori voi saada, mikä tekee siitä erityisen hyödyllisen data-analyysissä, jossa kategorioita täytyy seurata johdonmukaisesti.

# =====================================================================
# 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 в двух вариантах:
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("blood", "blood_gr"),
  echo       = FALSE,
  print.eval = TRUE
)

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

  dynamic_test(
    ok,
    "Variable 'blood' is declared and character type",
    "Expected variable 'blood' to exist and be a character vector."
  )
}

# ---------- CASE 2 ----------
{
  ok <- !is.null(res$values$blood_gr) && is.factor(res$values$blood_gr)

  dynamic_test(
    ok,
    "Variable 'blood_gr' is declared and factor type",
    "Expected variable 'blood_gr' to exist and be a factor."
  )
}

# ---------- CASE 3 ----------
{
  expected_levels <- c("A-", "A+", "AB-", "AB+", "B-", "B+", "O-", "O+")
  ok <- identical(levels(res$values$blood_gr), expected_levels)

  dynamic_test(
    ok,
    "Factor 'blood_gr' has correct levels",
    sprintf("Expected levels: %s. Got: %s",
            paste(expected_levels, collapse = ", "),
            paste(levels(res$values$blood_gr), collapse = ", "))
  )
}

# ---------- CASE 4 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("O+", out) && grepl("A+", out) && grepl("B+", out) && grepl("Levels", out)

  dynamic_test(
    ok,
    "Console output contains vector values and factor levels",
    sprintf("Expected console output to include vector elements and 'Levels'. 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.

Faktorien Ymmärtäminen

Faktorin luominen

Esimerkki

Ratkaisu

Awesome!

Faktorien Ymmärtäminen

Faktorin luominen

Esimerkki

Ratkaisu