Summary  
This chapter covers element-wise multiplication of a matrix row by a vector, emphasizing that the number of matrix rows must match the vector’s length.  

General domain of usage  
Financial data analysis

Om du vill multiplicera rader (eller kolumner) med olika värden måste vektorns längd du använder matcha antalet rader (eller kolumner) i matrisen. Detta säkerställer att varje rad- (eller kolumn-)element multipliceras med motsvarande värde.

Observera

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Один раз выполняем пользовательский файл в отдельном окружении
#     через run_user_code(...). Получаем:
#       - res$values$...  — переменные из окружения
#       - res$logs        — весь печатный вывод (включая результаты выражений)
#  2) Каждый кейс — отдельный dynamic_test(...), то есть отдельная строка
#     в отчёте, с «говорящим» названием (успех/ошибка).
# =====================================================================

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")
)

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("sellings", "prices", "items", "income"),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  ok <- !is.null(res$values$sellings) &&
        is.matrix(res$values$sellings) &&
        !is.null(res$values$prices) &&
        all(names(res$values$prices) == c('Sofa', 'Armchair', 'Dining table', 'Dining chair', 'Bookshelf'))

  dynamic_test(
    ok,
    "Variables 'sellings' and 'prices' are declared correctly with item names",
    "Expected 'sellings' to be matrix and 'prices' to have correct item names."
  )
}

# ---------- CASE 2 ----------
{
  ok <- identical(rownames(res$values$sellings), c('Sofa', 'Armchair', 'Dining table', 'Dining chair', 'Bookshelf')) &&
        identical(colnames(res$values$sellings), c('March', 'April', 'May'))

  dynamic_test(
    ok,
    "Matrix 'sellings' has correct row and column names after transposition",
    sprintf("Expected rownames Sofa..Bookshelf and colnames March..May. Got rows: %s, cols: %s",
            paste(rownames(res$values$sellings), collapse = ", "),
            paste(colnames(res$values$sellings), collapse = ", "))
  )
}

# ---------- CASE 3 ----------
{
  row_sums <- c(100, 129, 116)
  ok <- all(row_sums == c(100, 129, 116))

  dynamic_test(
    ok,
    "rowSums(sellings) are correct before transposition (100, 129, 116)",
    "Expected row sums: 100, 129, 116."
  )
}

# ---------- CASE 4 ----------
{
  inc <- res$values$income
  ok <- !is.null(inc) &&
        is.matrix(inc) &&
        all(round(colSums(inc)) == c(14675, 24450, 15030))

  dynamic_test(
    ok,
    "Monthly revenues (colSums(income)) are correct: 14675, 24450, 15030",
    sprintf("Expected colSums(income) = 14675, 24450, 15030. Got: %s",
            paste(round(colSums(inc)), collapse = " "))
  )
}

# ---------- CASE 5 ----------
{
  total_income <- sum(res$values$income)
  ok <- identical(round(total_income), 54155)

  dynamic_test(
    ok,
    "Total revenue (sum(income)) is correct: 54155",
    sprintf("Expected total revenue = 54155. Got: %s", total_income)
  )
}

# ---------- CASE 6 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok <- grepl("100", out) && grepl("129", out) && grepl("116", out) &&
        grepl("14675", out) && grepl("24450", out) &&
        grepl("15030", out) && grepl("54155", out) &&
        grepl("March", out) && grepl("April", out) && grepl("May", out)

  dynamic_test(
    ok,
    "Console output contains all monthly totals and overall revenue",
    sprintf("Expected console output to include 100,129,116,14675,24450,15030,54155. 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

Få en gedigen förståelse för R, ett av de mest använda språken för dataanalys. Utforska grundläggande datatyper och endimensionella värden, och gå sedan vidare till flerdimensionella strukturer, inklusive matriser, data frames och listor. Bygg de färdigheter som krävs för att använda R effektivt inom statistisk analys och datadrivna beslutsprocesser.

Lär dig grunderna i R-syntax, såsom aritmetik, variabler, utskriftsfunktioner och kommentarer. Fördjupa förståelsen av beräkningslogik genom övningar.

Utforska R:s datatyper och förstå deras roll i datahantering. Utveckla färdigheter i att arbeta med vektorer som grundläggande strukturer för att organisera och analysera information.

Utveckla förmågan att hantera kategoriska data effektivt. Upptäck hur man strukturerar, grupperar och tolkar värden genom att omvandla rådata till tydliga kategorier.

Förstå hur man representerar och arbetar med strukturerad tvådimensionell data. Bygg upp säkerhet i att transformera, märka och tillämpa operationer på matriser för analytiska uppgifter.

Behärska den mest använda datastrukturen i R för tabellinformation. Lär dig att organisera, transformera och extrahera insikter från dataset för att stödja datadrivna beslut.

Lär dig hur listor går utöver vektorer genom att lagra element av olika typer och längder. Utveckla förmågan att skapa, komma åt och modifiera listor för att organisera komplexa datastrukturer.

Month	Sofa	Armchair	Dining table	Dining chair	Bookshelf
March	16	21	30	23	10
April	40	39	13	21	16
May	11	21	36	32	16

Utmaning: Försäljning och Intäkter

Lösning