Summary  
This chapter covers how to name and assign values to variables in code, detailing valid naming conventions and the use of the assignment operator.

General domain of usage  
Data analysis

Uma **variável** é um local nomeado na memória que armazena um valor. O nome pode então ser utilizado para acessar ou modificar esse valor.

Definição

Variáveis são essenciais em R porque permitem armazenar valores para uso posterior, facilitando a escrita, leitura e manutenção do código.

## Regras de Nomeação
- Um nome de variável pode incluir letras, números, pontos(`.`) e underlines(`_`);
- Um nome de variável só pode começar com uma letra ou um ponto;
- Se um nome de variável começar com um ponto, o próximo caractere não pode ser um número;
- Um nome de variável não pode ser igual a uma palavra reservada, como `TRUE`, `FALSE`, `NA`, etc.

Escolha nomes significativos que descrevam os dados. Por exemplo, `year` é mais descritivo do que `a`. Isso melhora a legibilidade do código.

Nota

## Sintaxe de Atribuição
Para atribuir um valor a uma variável, pode-se usar o operador de atribuição `=`.

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# Проверка:
#   1) cat(initial_money, interest_rate, n_years)
#      должен напечатать "2000 13 4"
# =====================================================================

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

# Ищем user_code.R
candidates <- c(
  testthat::test_path("..", "..", "user_code.R"),
  testthat::test_path("user_code.R")
)

# Нормализуем пути
candidates_norm <- vapply(candidates, function(p) {
  tryCatch(normalizePath(p, winslash = "/", mustWork = FALSE), error = function(e) NA_character_)
}, character(1))

exists_flags <- file.exists(candidates_norm)
if (!any(exists_flags)) {
  stop(
    sprintf(
      "user_code.R not found.\nChecked paths:\n  - %s\nWorking dir: %s",
      paste(candidates, collapse = "\n  - "),
      getwd()
    )
  )
}

user_file <- candidates_norm[which(exists_flags)[1]]

# Выполняем user_code.R и перехватываем консольный вывод
res <- run_user_code(
  file       = user_file,
  capture    = c("initial_money", "interest_rate", "n_years"),
  echo       = FALSE,
  print.eval = TRUE
)

out <- trimws(paste(res$logs, collapse = ""))

# ---------- CASE 1: Проверяем значения переменных ----------
{
  ok <- !is.null(res$values$initial_money) &&
        !is.null(res$values$interest_rate) &&
        !is.null(res$values$n_years) &&
        identical(res$values$initial_money, 2000) &&
        identical(res$values$interest_rate, 13) &&
        identical(res$values$n_years, 4)

  dynamic_test(
    ok,
    "Variables initial_money, interest_rate, and n_years have correct values",
    sprintf(
      "Expected: 2000, 13, 4. Got: %s, %s, %s",
      res$values$initial_money, res$values$interest_rate, res$values$n_years
    )
  )
}

# ---------- CASE 2: Проверяем консольный вывод ----------
{
  ok <- grepl("([^0-9]|^)2000([^0-9]+)13([^0-9]+)4([^0-9]|$)", out)
  dynamic_test(
    ok,
    "Console output contains '2000 13 4'",
    sprintf("Expected console output to include '2000 13 4'. 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

Adquira uma compreensão sólida de R, uma das linguagens mais amplamente utilizadas para análise de dados. Explore tipos de dados fundamentais e valores unidimensionais, avançando para estruturas multidimensionais, incluindo matrizes, data frames e listas. Desenvolva as habilidades necessárias para aplicar R de forma eficaz em análises estatísticas e na tomada de decisões orientadas por dados.

Aprenda os conceitos essenciais da sintaxe do R, como aritmética, variáveis, funções de impressão e comentários. Reforce a compreensão da lógica computacional por meio de exercícios.

Explore os tipos de dados em R e compreenda seu papel no tratamento de dados. Desenvolva habilidades no trabalho com vetores como estruturas essenciais para organizar e analisar informações.

Desenvolvimento da capacidade de gerenciar dados categóricos de forma eficaz. Aprenda a estruturar, agrupar e interpretar valores convertendo dados brutos em categorias claras.

Compreensão de como representar e trabalhar com dados estruturados bidimensionais. Desenvolvimento de confiança na transformação, rotulagem e aplicação de operações em matrizes para tarefas analíticas.

Domine a estrutura de dados mais utilizada no R para informações tabulares. Aprenda a organizar, transformar e extrair insights de conjuntos de dados para apoiar decisões baseadas em dados.

Aprenda como as listas vão além dos vetores ao armazenar elementos de diferentes tipos e comprimentos. Desenvolva a capacidade de criar, acessar e modificar listas para organizar estruturas de dados complexas.

Variáveis

Regras de Nomeação

Sintaxe de Atribuição

Exemplo

Solução

Variáveis

Regras de Nomeação

Sintaxe de Atribuição

Exemplo

Solução