Summary  
This chapter covers how to create matrices by binding vectors as rows or as columns using rbind() and cbind() functions.  

General domain of usage  
Data analysis

Une **matrice** est une structure de données **bidimensionnelle** où chaque élément est identifié par sa position de ligne et de colonne, et les éléments doivent être du **même type de données**.

Définition

Dans R, les matrices peuvent être créées de différentes manières. Les plus courantes sont en fusionnant des vecteurs comme lignes ou en les fusionnant comme colonnes.

## Création d'une matrice à partir de lignes
Vous pouvez créer une matrice en combinant des vecteurs comme lignes avec la fonction `rbind()`.

row_1 = c(1, 2, 3)
row_2 = c(4, 5, 6)

# Bind rows into a matrix
rbind(row_1, row_2)

Cela produit une matrice avec **deux lignes** et **trois colonnes**.

## Création d'une matrice à partir de colonnes
Il est également possible de créer une matrice en combinant des vecteurs comme colonnes avec la fonction `cbind()`.

col_1 = c(1, 2, 3)
col_2 = c(4, 5, 6)

# Bind columns into a matrix
cbind(col_1, col_2)

Cela produit une matrice avec **trois lignes** et **deux colonnes**.

# =====================================================================
# 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("a", "b"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  ok <- !is.null(res$values$a) && !is.null(res$values$b) &&
        identical(res$values$a, 1:4) && identical(res$values$b, 5:8)

  dynamic_test(
    ok,
    "Variables 'a' and 'b' are declared correctly (1:4 and 5:8)",
    sprintf("Expected a = 1:4 and b = 5:8. Got: a=%s, b=%s",
            paste(res$values$a, collapse = ","), paste(res$values$b, collapse = ",")))
}

# ---------- CASE 2 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("a", out) && grepl("b", out) &&
        grepl("1", out) && grepl("2", out) && grepl("3", out) && grepl("4", out) &&
        grepl("5", out) && grepl("6", out) && grepl("7", out) && grepl("8", out)

  dynamic_test(
    ok,
    "Console output contains combined results of rbind(a,b) and cbind(a,b)",
    sprintf("Expected console output to include both row- and column-bound results. Actual: %s", out)
  )
}

# ---------- CASE 3 ----------
{
  # Перевіряємо логічно правильність rbind
  r_test <- rbind(res$values$a, res$values$b)
  ok <- all(r_test[1, ] == 1:4) && all(r_test[2, ] == 5:8)

  dynamic_test(
    ok,
    "rbind(a,b) combines vectors as rows correctly",
    "Expected first row = 1:4, second row = 5:8"
  )
}

# ---------- CASE 4 ----------
{
  # Перевіряємо логічно правильність cbind
  c_test <- cbind(res$values$a, res$values$b)
  ok <- all(c_test[, 1] == 1:4) && all(c_test[, 2] == 5:8)

  dynamic_test(
    ok,
    "cbind(a,b) combines vectors as columns correctly",
    "Expected first column = 1:4, second column = 5:8"
  )
}


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

Acquérir une compréhension solide de R, l'un des langages les plus utilisés pour l'analyse de données. Explorer les types de données fondamentaux et les valeurs unidimensionnelles, puis progresser vers des structures multidimensionnelles, y compris les matrices, les trames de données et les listes. Développer les compétences nécessaires pour appliquer R efficacement dans l'analyse statistique et la prise de décision basée sur les données.

Apprenez les bases de la syntaxe R, telles que l'arithmétique, les variables, les fonctions d'affichage et les commentaires. Renforcez votre compréhension de la logique computationnelle grâce à des exercices.

Explorez les types de données en R et comprenez leur rôle dans la gestion des données. Développez des compétences dans la manipulation des vecteurs en tant que structures essentielles pour organiser et analyser l'information.

Développer la capacité à gérer efficacement les données catégorielles. Découvrir comment structurer, regrouper et interpréter les valeurs en convertissant des données brutes en catégories claires.

Comprendre comment représenter et manipuler des données structurées à deux dimensions. Développer la confiance dans la transformation, l'étiquetage et l'application d'opérations sur les matrices pour des tâches analytiques.

Maîtrisez la structure de données la plus utilisée dans R pour les informations tabulaires. Apprenez à organiser, transformer et extraire des informations à partir de jeux de données afin de soutenir des décisions basées sur les données.

Apprenez comment les listes vont au-delà des vecteurs en stockant des éléments de types et de longueurs différents. Développez la capacité à créer, accéder et modifier des listes pour organiser des structures de données complexes.

Compréhension des matrices

Création d'une matrice à partir de lignes

Exemple

Création d'une matrice à partir de colonnes

Exemple

Solution