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

列と同様に、データフレームの行も**追加**や**削除**が可能。

## 単一行の追加
単一の行を追加するには、次に利用可能な行インデックス（`nrow(data) + 1`）に新しいエントリを代入する。データフレームは異なる型の値を保持できるため、新しい行は**リスト**（または**データフレーム**）として指定する必要がある。

データフレーム作成時、デフォルトで文字列値がファクター型に変換される場合がある。これは新しい行を追加する際に問題となることがあるため、データフレーム作成時は `stringsAsFactors = FALSE` を設定して回避する。

注意

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

## 複数行の追加
もう一つの行の追加方法は、同じ列を持つ2つのデータフレームを`merge()`関数で**結合**することです。これにより、複数の行を一度に追加できます。

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)

## 行の削除
**行を削除**するには、行列と同様に角括弧内で負のインデックスを使用。

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

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。

行の操作

単一行の追加

例

複数行の追加

例

行の削除

例

解答