Summary  
This chapter explains how to perform integer division and compute remainders using dedicated arithmetic operators—%/% for the quotient and %% for the remainder.  

General domain of usage  
Resource allocation

**Heltallsdivisjon** beregner hvor mange ganger ett tall går opp i et annet, mens **rest** viser hva som blir igjen.

Definisjon

For eksempel, hvis du deler 16 godterier mellom 3 venner, får hver venn 5 godterier og det blir 1 i rest, siden `16 = 5 * 3 + 1`.

## Aritmetiske operatorer
I R utføres disse operasjonene med:
- `%/%` for heltallsdivisjon;
- `%%` for resten av en divisjon.

# Number of candies for each friend
16 %/% 3
# Number of candies remaining
16 %% 3

# =====================================================================
# tests/testthat/test-task.R
# =====================================================================

library(testthat)

test_that("Runs user_code.R without errors", {
  expect_error(run_user_code(file = "user_code.R"), NA)
})

test_that("Prints correct results for 435 hours", {
  res <- run_user_code(file = "user_code.R", echo = FALSE, print.eval = TRUE)
  out <- paste(res$logs, collapse = "\n")

  # With print.eval=TRUE and echo=FALSE, R prints RESULTS of expressions:
  # 435 %/% 24 -> 18
  # 435 %%  24 -> 3

  dynamic_test(
    grepl("18", out),
    success = "Correct full days printed (18)",
    failure = paste0("Expected to see 18 in output, got:\n", out)
  )

  dynamic_test(
    grepl("3", out),
    success = "Correct remaining hours printed (3)",
    failure = paste0("Expected to see 3 in output, got:\n", out)
  )
})

test_that("Uses %/% and %% operators", {
  code <- paste(readLines("user_code.R", warn = FALSE), collapse = "\n")

  dynamic_test(
    grepl("%/%", code, fixed = TRUE),
    success = "Uses integer division operator %/%",
    failure = "Expected %/% to be used in user_code.R"
  )

  dynamic_test(
    grepl("%%", code, fixed = TRUE),
    success = "Uses modulo operator %%",
    failure = "Expected %% to be used in user_code.R"
  )
})


test_hidden.R

# =====================================================================
# helper-run.R
# =====================================================================

run_user_code <- function(
  file = "user_code.R",
  capture = character(0),
  inject = list(),
  echo = FALSE,
  print.eval = TRUE
) {
  stopifnot(file.exists(file))

  env <- new.env(parent = baseenv())
  if (length(inject)) list2env(inject, envir = env)

  logs <- utils::capture.output(
    base::source(file, local = env, echo = echo, print.eval = print.eval)
  )

  values <- setNames(vector("list", length(capture)), capture)
  for (nm in capture) {
    values[[nm]] <- if (exists(nm, envir = env, inherits = FALSE)) get(nm, envir = env) else NULL
  }

  list(values = values, logs = logs, env = env)
}

dynamic_test <- function(condition, success, failure) {
  testthat::test_that(
    if (isTRUE(condition)) success else failure,
    {
      if (isTRUE(condition)) {
        testthat::expect_true(TRUE)
      } else {
        testthat::fail(failure)
      }
    }
  )
}


helper-run_user_code.R

Få en solid forståelse av R, et av de mest brukte språkene for dataanalyse. Utforsk grunnleggende datatyper og endimensjonale verdier, og gå deretter videre til flerdimensjonale strukturer, inkludert matriser, data frames og lister. Bygg ferdighetene som trengs for å bruke R effektivt i statistisk analyse og datadrevne beslutningsprosesser.

Lær det grunnleggende om R-syntaks, som aritmetikk, variabler, utskriftsfunksjoner og kommentarer. Styrk forståelsen av beregningslogikk gjennom øvelser.

Utforsk R sine datatyper og forstå deres rolle i datahåndtering. Bygg ferdigheter i å arbeide med vektorer som essensielle strukturer for organisering og analyse av informasjon.

Utvikle evnen til å håndtere kategoriske data effektivt. Lær hvordan du kan strukturere, gruppere og tolke verdier ved å konvertere rådata til tydelige kategorier.

Forstå hvordan man representerer og arbeider med strukturert todimensjonale data. Bygg selvtillit i å transformere, merke og anvende operasjoner på matriser for analytiske oppgaver.

Bli ekspert på den mest brukte datastrukturen i R for tabellarisk informasjon. Lær å organisere, transformere og hente innsikt fra datasett for å støtte datadrevne beslutninger.

Lær hvordan lister går utover vektorer ved å lagre elementer av ulike typer og lengder. Utvikle ferdigheter i å opprette, få tilgang til og endre lister for å organisere komplekse datastrukturer.

Heltallsdivisjon og Rester

Aritmetiske operatorer

Eksempel

Løsning