Summary  
This chapter covers how to explicitly convert numeric values between integer, double, and complex types using built-in functions and explains the valid conversion hierarchy and rules (such as truncation of decimals and handling of imaginary parts).

General domain of usage  
Numerical computing

Числа можна перетворювати між різними типами за допомогою вбудованих функцій. Це дозволяє працювати зі значеннями як з цілими числами, числами з плаваючою комою або комплексними числами за потреби.

## Некоректне перетворення
Просте додавання `L` до існуючої змінної не виконує перетворення:

## Коректне перетворення
Замість цього слід використовувати одну з цих функцій:
- `as.integer()`;
- `as.double()`;
- `as.complex()`.

as.integer(3.8)
as.double(5L)
as.complex(7)

Числові типи мають ієрархію, яка визначає, як значення можуть бути перетворені:
- `integer → double → complex` — такі перетворення завжди допустимі;
- Перетворення `double` у `integer` відсікає дробову частину;
- `complex` можна перетворити лише якщо його уявна частина дорівнює нулю.

# =====================================================================
# 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 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]]  # первый найденный

# Выполняем user_code.R один раз, извлекаем вывод
res <- run_user_code(
  file       = user_file,
  capture    = character(0),
  echo       = FALSE,
  print.eval = TRUE
)

# ---------- CASE 1 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok  <- grepl("(^|[^0-9])9([^0-9]|$)", out)

  dynamic_test(
    ok,
    "Console output contains result of as.integer(9.85) (9)",
    sprintf("Expected console output to include '9' (result of as.integer(9.85)). Actual: %s", out)
  )
}

# ---------- CASE 2 ----------
{
  out <- trimws(paste(res$logs, collapse = " "))
  ok  <- grepl("(^|[^0-9])42([^0-9]|$)", out)

  dynamic_test(
    ok,
    "Console output contains result of as.double(42L) (42)",
    sprintf("Expected console output to include '42' (result of as.double(42L)). 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. Дослідіть основні типи даних та одновимірні значення, а потім переходьте до багатовимірних структур, включаючи матриці, дата-фрейми та списки. Сформуйте навички, необхідні для ефективного застосування R у статистичному аналізі та прийнятті рішень на основі даних.

Вивчіть основи синтаксису R, такі як арифметика, змінні, функції виведення та коментарі. Поглибте 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 інтерпретацією значень шляхом перетворення сирих даних у чіткі категорії.

Зрозумійте, як представляти та працювати зі структурованими двовимірними даними. Формування впевненості у трансформації, маркуванні та застосуванні операцій до матриць для аналітичних завдань.

Оволодійте найпоширенішою структурою даних в R для табличної інформації. Навчіться організовувати, трансформувати та отримувати аналітичні висновки з 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.

Перетворення типів

Некоректне перетворення

Коректне перетворення

Рішення