
library(testthat)

source("user_code.R")
test_that("df1 has correct structure and at least 5 rows", {
  organize_experiment_data()
  expect_true(exists("df1"), info = "df1 must exist in the global environment.")
  expect_true(is.data.frame(df1), info = "df1 must be a data frame.")
  expect_true(all(c("SampleID", "Treatment", "Outcome") %in% colnames(df1)), info = "df1 must have columns 'SampleID', 'Treatment', and 'Outcome'.")
  expect_true(nrow(df1) >= 5, info = "df1 must have at least five rows.")
})

test_that("df2 filters only DrugA treatments", {
  organize_experiment_data()
  expect_true(exists("df2"), info = "df2 must exist in the global environment.")
  expect_true(is.data.frame(df2), info = "df2 must be a data frame.")
  expect_true(all(df2$Treatment == "DrugA"), info = "All rows in df2 must have Treatment as 'DrugA'.")
})

test_that("df3 filters only Alive outcomes", {
  organize_experiment_data()
  expect_true(exists("df3"), info = "df3 must exist in the global environment.")
  expect_true(is.data.frame(df3), info = "df3 must be a data frame.")
  expect_true(all(df3$Outcome == "Alive"), info = "All rows in df3 must have Outcome as 'Alive'.")
})

test_that("function does not require user input", {
  expect_error(organize_experiment_data(), NA, info = "The function should not require user input and should run without errors.")
})

test_main.R

Un'introduzione pratica alla programmazione in R pensata per biologi e bioinformatici. Analisi, visualizzazione e interpretazione di dati biologici utilizzando R, con esempi reali tratti da genomica, ecologia e biologia sperimentale.

Impara le nozioni fondamentali della programmazione in R con un focus sui dati biologici, inclusi variabili, tipi di dati e manipolazione di dati di base.

Approfondimento dei metodi statistici per l'analisi dei dati biologici, inclusi statistiche descrittive, test d'ipotesi e interpretazione dei risultati.

Padroneggiare l'arte della visualizzazione dei dati biologici utilizzando R, dai grafici di base alle visualizzazioni più avanzate rilevanti per gli esperimenti.

Imparare a lavorare con dati in stile genomico e sviluppare workflow riproducibili per la ricerca scientifica in R.

Challenge: Organizzare i Dati Sperimentali

Soluzione