Summary  
This chapter explains how to manipulate rows in a data frame by adding single rows via index assignment, appending multiple rows through merging, and removing rows using negative indexing.  

General domain of usage  
Data preprocessing

Proprio come per le colonne, anche le righe in un data frame possono essere **aggiunte** o **rimosse**.

## Aggiunta di singole righe
Per aggiungere una singola riga, è possibile assegnare una nuova voce all'indice della prossima riga disponibile (`nrow(data) + 1`). Poiché un data frame può contenere tipi di valori diversi, la nuova riga deve essere fornita come **lista** (o come **data frame**).

Per impostazione predefinita, i valori di testo possono essere convertiti in fattori durante la creazione dei data frame. Questo può causare problemi quando si aggiungono nuove righe. Per evitarlo, impostare `stringsAsFactors = FALSE` durante la creazione del data frame.

Nota

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
job <- c('Teacher', 'Doctor', 'Manager')
test <- data.frame(name, age, gender, job, stringsAsFactors = FALSE)

# Add a new row
test[nrow(test) + 1, ] <- list('Angela', 35, 'F', 'Accountant')
test

## Aggiunta di più righe
Un altro modo per aggiungere righe è **unire** due data frame con le stesse colonne utilizzando la funzione `merge()`. Questo permette di aggiungere più righe contemporaneamente.

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
job <- c('Teacher', 'Doctor', 'Manager')
test <- data.frame(name, age, gender, job, stringsAsFactors = FALSE)

# New row as data a frame
new_person <- data.frame('Angela', 35, 'F', 'Accountant')
colnames(new_person) <- colnames(test)

# Merge
merge(test, new_person, all = T)

## Rimozione delle righe
Per **rimuovere le righe**, utilizzare indici negativi tra parentesi quadre, come per le matrici.

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
job <- c('Teacher', 'Doctor', 'Manager')
test <- data.frame(name, age, gender, job, stringsAsFactors = FALSE)

# Remove a row
test[-1, ]

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Виконуємо user_code.R в ізольованому середовищі
#  2) Перевіряємо об'єкти та консольний 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 і фіксуємо вивід
res <- run_user_code(
  file       = user_file,
  capture    = c("store"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  ok <- !is.null(res$values$store) && is.data.frame(res$values$store)

  dynamic_test(
    ok,
    "Variable 'store' is declared and is a data.frame",
    "Expected 'store' to exist and be a data.frame."
  )
}

# ---------- CASE 2 ----------
{
  ok <- !("Dining chair" %in% res$values$store$Item)

  dynamic_test(
    ok,
    "Row 'Dining chair' successfully removed from data frame",
    "Expected 'Dining chair' not to appear in store$Item."
  )
}

# ---------- CASE 3 ----------
{
  ok <- "Kitchen cabinet" %in% res$values$store$Item

  dynamic_test(
    ok,
    "New row 'Kitchen cabinet' successfully added to data frame",
    "Expected 'Kitchen cabinet' to be in store$Item."
  )
}

# ---------- CASE 4 ----------
{
  ok <- identical(colnames(res$values$store), c("Item", "Price", "Sold")) &&
        all(c("Sofa", "Armchair", "Dining table", "Bookshelf", "Kitchen cabinet") %in% res$values$store$Item) &&
        all(c(340, 150, 115, 160, 70) %in% res$values$store$Price) &&
        all(c(67, 81, 79, 42) %in% res$values$store$Sold)

  dynamic_test(
    ok,
    "Data frame 'store' has correct columns and updated data",
    sprintf("Expected correct rows and values after removal/addition. Got:\n%s",
            paste(utils::capture.output(dput(res$values$store)), collapse = " "))
  )
}

# ---------- CASE 5 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("Item", out) && grepl("Price", out) && grepl("Sold", out) &&
        grepl("Sofa", out) && grepl("Armchair", out) &&
        grepl("Bookshelf", out) && grepl("Kitchen cabinet", out) &&
        grepl("340", out) && grepl("160", out) && grepl("70", out) &&
        grepl("67", out)

  dynamic_test(
    ok,
    "Console output contains updated data frame with all expected rows and values",
    sprintf("Expected console output to include Item, Price, Sold, and new row 'Kitchen cabinet'. 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

Acquisisci una solida comprensione di R, uno dei linguaggi più utilizzati per l'analisi dei dati. Esplora i tipi di dati fondamentali e i valori monodimensionali, quindi passa a strutture multidimensionali, inclusi matrici, data frame e liste. Sviluppa le competenze necessarie per applicare R in modo efficace nell'analisi statistica e nel processo decisionale basato sui dati.

Impara le nozioni fondamentali della sintassi di R, come aritmetica, variabili, funzioni di stampa e commenti. Rafforza la comprensione della logica computazionale attraverso esercizi.

Esplora i tipi di dati in R e comprendi il loro ruolo nella gestione dei dati. Sviluppa competenze nel lavoro con i vettori come strutture essenziali per organizzare e analizzare le informazioni.

Sviluppa la capacità di gestire efficacemente i dati categorici. Scopri come strutturare, raggruppare e interpretare i valori convertendo i dati grezzi in categorie chiare.

Comprendere come rappresentare e lavorare con dati strutturati bidimensionali. Acquisire sicurezza nella trasformazione, etichettatura e applicazione di operazioni alle matrici per attività analitiche.

Padroneggiare la struttura dati più utilizzata in R per informazioni tabellari. Imparare a organizzare, trasformare ed estrarre informazioni dai dataset per supportare decisioni basate sui dati.

Scopri come le liste si estendono oltre i vettori memorizzando elementi di tipi e lunghezze differenti. Sviluppa la capacità di creare, accedere e modificare liste per organizzare strutture dati complesse.

Manipolazione delle Righe

Aggiunta di singole righe

Esempio

Aggiunta di più righe

Esempio

Rimozione delle righe

Esempio

Soluzione