Summary  
This chapter explains how to create homogeneous vectors using the c() function and how R automatically performs type coercion when different data types are combined in a vector.  

General domain of usage  
Data analysis

**Вектор** — це структура даних, яка зберігає кілька значень **одного типу** в одній змінній.

Визначення

## Створення векторів
Для створення вектора використовуйте функцію `c()` і розділяйте значення комами:

## Примусове перетворення типів у векторах
Вектори повинні бути однорідними, тому не можна змішувати цілі числа, логічні значення та текст в одному векторі. Якщо у векторі містяться різні типи даних, R перетворить усі елементи до одного спільного типу.

# =====================================================================
# СКРЫТЫЕ ТЕСТЫ ДЛЯ user_code.R
#
# КАК МЫ РАБОТАЕМ:
#  1) Один раз выполняем пользовательский файл в отдельном окружении
#     через run_user_code(...). Получаем:
#       - 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 в двух вариантах:
#  1) в корне проекта:        ../../user_code.R  (относительно tests/testthat)
#  2) рядом с тестами:        user_code.R        (внутри tests/testthat)
candidates <- c(
  testthat::test_path("..", "..", "user_code.R"),
  testthat::test_path("user_code.R")
)

# Нормализуем пути, оставляем существующие
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    = character(0),
  echo       = FALSE,
  print.eval = TRUE
)

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

# ---------- CASE 1 ----------
{
  ok <- grepl("(^|.)0.0 10.5 20.0(.|$)", out)
  dynamic_test(
    ok,
    "Console output contains first vector: 0.0 10.5 20.0",
    sprintf("Expected output to include '0.0 10.5 20.0'. Actual: %s", out)
  )
}

# ---------- CASE 2 ----------
{
  ok <- grepl("1[.]0[+] *0i *2[.]5[+] *0i *5[.]0[+]10i", out)
  dynamic_test(
    ok,
    "Console output contains second vector: 1.0+0i 2.5+0i 5.0+10i",
    sprintf("Expected output to include '1.0+0i 2.5+0i 5.0+10i'. Actual: %s", out)
  )
}

# ---------- CASE 3 ----------
{
  ok <- grepl("(^|.)2.5 1.0 5.0(.|$)", out)
  dynamic_test(
    ok,
    "Console output contains third vector: 2.5 1.0 5.0",
    sprintf("Expected output to include '2.5 1.0 5.0'. Actual: %s", out)
  )
}

# ---------- CASE 4 ----------
{
  ok <- grepl('(^|.)"FALSE" "25.5"  "R"(.|$)', out)
  dynamic_test(
    ok,
    'Console output contains fourth vector: "FALSE" "25.5" "R"',
    sprintf('Expected output to include "FALSE" "25.5" "R" 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

Отримайте ґрунтовне розуміння R — однієї з найпоширеніших мов для аналізу даних. Вивчайте базові типи даних та одновимірні значення, а потім переходьте до багатовимірних структур, зокрема матриць, датафреймів і списків. Формуйте навички, необхідні для ефективного застосування R у статистичному аналізі та прийнятті рішень на основі даних.

Вивчення основ синтаксису R, таких як арифметика, змінні, функції виведення та коментарі. Поглиблення розуміння обчислювальної логіки за допомогою вправ.

Дослідження типів даних у R та розуміння їхньої ролі в обробці даних. Формування навичок роботи з векторами як основними структурами для організації та аналізу інформації.

Розвиток навичок ефективного керування категоріальними даними. Ознайомлення зі структуризацією, групуванням і тлумаченням значень шляхом перетворення сирих даних у чіткі категорії.

Ознайомлення з представленням і роботою зі структурованими двовимірними даними. Формування впевненості у трансформації, маркуванні та застосуванні операцій до матриць для аналітичних завдань.

Опанування найпоширенішої структури даних у R для табличної інформації. Вивчення організації, трансформації та отримання висновків із наборів даних для підтримки прийняття рішень на основі даних.

Дізнайтеся, як списки виходять за межі векторів, зберігаючи елементи різних типів і довжин. Розвивайте навички створення, доступу та модифікації списків для організації складних структур даних.

Розуміння Векторів

Створення векторів

Примусове перетворення типів у векторах

Приклад

Рішення