Summary
Logical indexing involves using boolean conditions inside indexing brackets to selectively return only those rows of a data structure that meet specified criteria.

General domain of usage
Data frame manipulation and filtering in data analysis

**論理インデックス**は、**条件**に基づいてデータフレームの行を抽出する方法。行番号を覚える代わりに論理式を指定し、条件が`TRUE`となる行のみが返される。

name <- c("Alex", "Julia", "Finn")
age <- c(24, 43, 32)
gender <- c("M", "F", "M")
test <- data.frame(name, age, gender)

# People older than 30
test[test$age > 30, ]
# Males only
test[test$gender == 'M', ]

条件は角括弧内の行インデックス位置に配置（`[condition, ]`）

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Виконуємо user_code.R, отримуємо res$logs
#  2) Кожний CASE — окремий dynamic_test(...)
# =====================================================================

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

# Ідентифікація файлу користувача
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")

# Виконання коду з обмеженням обсягу виводу
logs_full <- utils::capture.output(source(user_file, echo = FALSE, print.eval = TRUE))
out <- trimws(substr(paste(logs_full, collapse = " "), 1, 1000))  # максимум 1000 символів

# ---------- CASE 1 ----------
{
  fastest <- mtcars[mtcars$qsec < 16, ]
  ok <- all(rownames(fastest) %in% c("Duster 360", "Camaro Z28", "Ford Pantera L", "Ferrari Dino", "Maserati Bora"))

  dynamic_test(
    ok,
    "Filtering mtcars[qsec < 16] returns correct rows (fastest cars)",
    sprintf("Expected rows: Duster 360, Camaro Z28, Ford Pantera L, Ferrari Dino, Maserati Bora. Got: %s",
            paste(rownames(fastest), collapse = ", "))
  )
}

# ---------- CASE 2 ----------
{
  six_cyl <- mtcars[mtcars$cyl == 6, ]
  ok <- all(rownames(six_cyl) %in% c("Mazda RX4", "Mazda RX4 Wag", "Hornet 4 Drive",
                                     "Valiant", "Merc 280", "Merc 280C", "Ferrari Dino"))

  dynamic_test(
    ok,
    "Filtering mtcars[cyl == 6] returns correct rows (6-cylinder cars)",
    sprintf("Expected 7 rows: Mazda RX4, Mazda RX4 Wag, Hornet 4 Drive, Valiant, Merc 280, Merc 280C, Ferrari Dino. Got: %s",
            paste(rownames(six_cyl), collapse = ", "))
  )
}

# ---------- CASE 3 ----------
{
  ok <- grepl("Duster 360", out) &&
        grepl("Camaro Z28", out) &&
        grepl("Ferrari Dino", out) &&
        grepl("Mazda RX4", out) &&
        grepl("Hornet 4 Drive", out) &&
        grepl("Valiant", out)

  dynamic_test(
    ok,
    "Console output contains names of fastest and 6-cylinder cars",
    sprintf("Expected output to include Duster 360, Camaro Z28, Ferrari Dino, Mazda RX4, Hornet 4 Drive, Valiant. Actual (first 300 chars): %s",
            substr(out, 1, 300))
  )
}

# ---------- CASE 4 ----------
{
  # розділяємо аутпут на два датафрейми по повторному заголовку
  parts <- strsplit(out, "mpg cyl disp hp drat wt qsec vs am gear carb")[[1]]
  part1 <- if (length(parts) >= 2) parts[2] else out
  part2 <- if (length(parts) >= 3) parts[3] else out

  # перевіряємо, що у першій частині (fastest cars) є типові моделі
  fast_ok <- grepl("Duster 360", part1) &&
             grepl("Camaro Z28", part1) &&
             grepl("Ford Pantera L", part1) &&
             grepl("Ferrari Dino", part1) &&
             grepl("Maserati Bora", part1)

  # перевіряємо, що у другій частині (6 cylinders) є типові моделі
  cyl6_ok <- grepl("Mazda RX4", part2) &&
             grepl("Mazda RX4 Wag", part2) &&
             grepl("Hornet 4 Drive", part2) &&
             grepl("Valiant", part2) &&
             grepl("Merc 280", part2) &&
             grepl("Merc 280C", part2) &&
             grepl("Ferrari Dino", part2)

  ok <- fast_ok && cyl6_ok

  dynamic_test(
    ok,
    "Console output contains both filtered data frames with correct car names",
    sprintf("Expected first output to include Duster 360... and second to include Mazda RX4... Actual (first 400 chars): %s",
            substr(out, 1, 400))
  )
}


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

データ分析で最も広く使用されている言語の一つであるRについて、確かな理解を身につけます。基本的なデータ型や一次元の値を学び、次に行列、データフレーム、リストなどの多次元構造へと進みます。統計解析やデータ駆動型の意思決定にRを効果的に活用するためのスキルを習得します。

算術演算、変数、出力関数、コメントなど、Rの構文の基本を学びます。演習を通じて計算論理の理解を深めます。

Rのデータ型を探求し、データ処理におけるその役割を理解します。情報の整理と分析に不可欠な構造としてベクトルを扱うスキルを身につけます。

カテゴリカルデータを効果的に管理する能力を身につけます。生データを明確なカテゴリに変換することで、値を構造化し、グループ化し、解釈する方法を学びます。

構造化された二次元データを表現し、操作する方法を理解します。分析作業のために、行列の変換、ラベリング、演算の適用に自信を持てるようになります。

Rで最も広く使用されている表形式データ構造を習得します。データセットを整理し、変換し、洞察を抽出して、データ駆動型の意思決定を支援します。

リストがベクトルを超えて、異なる型や長さの要素を格納できることを学びます。複雑なデータ構造を整理するために、リストの作成、アクセス、変更の能力を身につけます。

論理インデックス

例

解答