Ścieżka nauki

Algorytmy i struktury danych w R

Q: Jak zrobić mapę haszującą w R?

Za pomocą środowiska: h <- new.env(), potem h[[key]] <- value, żeby zapisać, i h[[key]], żeby odczytać, co dla brakującego klucza daje NULL. Środowiska są haszowane, mają klucze tekstowe i semantykę referencyjną, więc funkcja, która zmienia środowisko, zmienia je także dla wywołującego, inaczej niż wektor czy lista. Nazwana lista wygląda jak słownik, ale zachowuje się jak wartość: zmień ją w funkcji, a kopia wywołującego pozostanie nietknięta.

Q: Czy głęboka rekurencja w R kończy się błędem?

Może. Domyślnie options(expressions = 5000) ogranicza, jak głęboko może się zagnieżdżać ewaluacja, a głęboka rekurencja, na przykład przeszukiwanie w głąb wzdłuż długiego łańcucha, zatrzymuje się błędem evaluation nested too deeply. Podniesienie tej opcji daje trochę miejsca, ale niezawodnym rozwiązaniem jest jawny stos w pętli, czyli struktura budowana w kroku pierwszym.

Q: Które kursy z tej ścieżki nie są prowadzone w R?

Trzy: programowanie dynamiczne i seria rekrutacyjna w Pythonie, prowadzone w Pythonie, oraz operacje na bitach, prowadzone w C++. Są wymienione po krokach, każdy z linkiem, który otwiera go w jego własnym języku. Programowanie dynamiczne przekłada się wprost, bo tablica memoizacji w R to wcześniej zaalokowany wektor, a &, |, ^ i << z C++ stają się funkcjami bitwAnd, bitwOr, bitwXor i bitwShiftL.

Q: Czy muszę znać R, zanim zacznę tę ścieżkę?

Przynajmniej wektory, listy, funkcje, pętle i indeksowanie od 1. Jeśli to dla ciebie nowość, kurs R w Coddy najpierw cię tam doprowadzi, za darmo, a ta ścieżka zaczyna się tam, gdzie on się kończy.

Zapytaj o struktury danych w R, a większość odpowiedzi wymieni wektory, listy, macierze, ramki danych i czynniki. Ta ścieżka dotyczy drugiego znaczenia: stosu, kolejki, listy wiązanej, kopca, drzewa i grafu z kursu algorytmów, a żadnej z tych struktur podstawowe R nie zapewnia. Budujesz każdą z nich w R, potem sortujesz, stosujesz rekurencję i przeszukujesz z nimi grafy, a na koniec rozwiązujesz oceniane zadania rekrutacyjne. Za darmo, w przeglądarce, z certyfikatem w większości kursów.

ZACZNIJ NAUKĘ(za darmo)

377 lekcje228 wyzwania702 pytania quizowe

Dla początkujących
Pomoc AI przy programowaniu
Praktyczne, interaktywne lekcje
Narracja audio w każdej lekcji
Quizy sprawdzające wiedzę
Darmowe certyfikaty na tej ścieżce: 23

Algorytmy i struktury danych w R krok po kroku

38 kursy377 lekcje228 wyzwania702 pytania quizowe

Każdy krok to zestaw istniejących kursów Coddy, a każdy przycisk Start otwiera je w R. Trzy kursy, które nie są jeszcze prowadzone w R, są wymienione po krokach.

1
Krok 1
Seria Struktury danych, część pierwsza
Zacznij ten krokZacznijStos, kolejka, drzewo binarne, tablica mieszająca i lista wiązana, każda struktura zbudowana od zera w R, a potem użyta do rozwiązywania zadań. Z tych pięciu tylko tablica mieszająca ma zastępstwo w podstawowym R, czyli środowisko, a po tym kroku wiesz, co ono robi za ciebie.Zacznij
Kursy po kolei: 5
66 lekcje34 wyzwania
2
Krok 2
Seria Struktury danych, część druga
Zacznij ten krokZacznijLista dwukierunkowa, kopce i kolejki priorytetowe, drzewa trie, grafy i samorównoważące się drzewo AVL. R indeksuje od 1, tak jak podręczniki rysują kopiec, więc dzieci węzła znajdują się pod 2 * i i 2 * i + 1 bez przesunięcia do zapamiętania.Zacznij
Kursy po kolei: 5
72 lekcje42 wyzwania
3
Krok 3
Algorytmy sortowania
Zacznij ten krokZacznijSortowanie bąbelkowe, przez wybieranie, przez wstawianie, przez scalanie, szybkie, przez kopcowanie, przez zliczanie i pozycyjne, napisane w R i oglądane w wizualizatorze. Samo sort() pozwala wybrać sortowanie Shella, quicksort albo sortowanie pozycyjne przez argument method. Po tym kroku wiesz, co oznacza ten wybór.Zacznij
Kursy po kolei: 8
74 lekcje31 wyzwania319 pytania
4
Krok 4
Myślenie rekurencyjneOsobna strona
Zacznij ten krokZacznijWyzwania z rekurencji w R, gdzie options(expressions = 5000) ogranicza, jak głęboko mogą się zagnieżdżać wywołania, a Recall pozwala funkcji wywołać samą siebie bez powtarzania własnej nazwy. Każde wywołanie dostaje nowe środowisko, więc głęboka rekurencja kosztuje pamięć, a nie tylko czas. Programowanie dynamiczne i operacje na bitach są wymienione po krokach, bo prowadzi się je w Pythonie i C++.Zacznij Osobna strona15 lekcje15 wyzwania
5
Krok 5
Algorytmy grafowe
Zacznij ten krokZacznijPrzeszukiwanie wszerz i w głąb, Dijkstra, Bellman-Ford, sortowanie topologiczne, Kruskal i Prim w R, na grafie zbudowanym w kroku drugim. Podstawowe R nie ma kolejki priorytetowej, więc kopiec z kroku drugiego to ten, którego potrzebuje algorytm Dijkstry, a to są właśnie algorytmy, które uruchamiają za ciebie pakiety sieciowe, takie jak igraph.Zacznij
Kursy po kolei: 7
63 lekcje21 wyzwania383 pytania
6
Krok 6
Praktyka rekrutacyjna
Zacznij ten krokZacznijDziesięć pakietów wyzwań rekrutacyjnych i dwa banki zadań programistycznych w R, oceniane przez testy: nieznane zadania rozwiązywane bez samouczka, w języku, w którym już analizujesz dane.Zacznij
Kursy po kolei: 12
87 lekcje85 wyzwania

Co dostajesz

Wszystko, czego potrzebujesz do nauki programowania

Ucz się w praktyce

Pisz prawdziwy kod, odpytuj bazy danych, twórz strony internetowe i opanuj prompty AI. Nasze interaktywne lekcje obejmują wszystkie umiejętności, których potrzebuje współczesny programista.

playground.js

Edytor kodu

1const greeting = "Hello, Coddy!"

2function sayHi(name) {

3 return greeting + " " + name

Test #1

Test #2

Test #3

Dane wejściowe

"Alex"

Wynik

"Hello, Coddy! Alex"

Buduj swoją serię

Ucz się regularnie i patrz, jak rosną twoje postępy! Śledź codzienny nawyk programowania, chroń serię dzięki zamrożeniom i zdobywaj nagrody za każdy dzień nauki.

12 dni serii

Wróć jutro, aby utrzymać serię!

January 2026

Podwójnie albo nic

Dzień 5 z 7

Zamrożenie serii

2 left

Programuj wszędzie

Zabierz naukę programowania ze sobą! Bez konfiguracji i pobierania plików: po prostu otwórz i zacznij kodować. Dostępne na iOS, Androida i w przeglądarce, z oceną 4,9 gwiazdki.

250

Zmienne

KONTYNUUJ

4.9

Ocena

Nie uczysz się w pojedynkę

Rywalizuj w globalnych rankingach, zapraszaj znajomych po nagrody i świętujcie wspólnie swoje sukcesy. Z przyjaciółmi programuje się lepiej!

Liga ChallengerAwansuje 7 najlepszych

Alex7+ Days

2840

Jordan7+ Days

2650

Sam7+ Days

2420

Casey

2180

Morgan7+ Days

1950

Strefa awansu

Każdy sposób nauki

Czytaj, słuchaj, sprawdzaj się, pytaj AI albo wracaj do tego, co już znasz. Każda lekcja dopasowuje się do ciebie.

Wprowadzenie do zmiennych

Audio

Zmienna to nazwany pojemnik przechowujący wartość, do której możesz później odwołać się w programie.

W Pythonie tworzysz ją, pisząc nazwę, znak równości, a potem wartość, którą chcesz zapisać.

Wartość może się zmieniać: ponowne przypisanie po prostu wskazuje nazwą nową wartość.

1xZofia

Zdobądź certyfikat

Zdobywaj certyfikaty za każdy ukończony kurs. Dodaj je do profilu na LinkedIn i CV, aby pokazać pracodawcom swoje umiejętności programistyczne.

Certyfikat ukończenia

Certyfikat dlaJan Kowalskiza pomyślne ukończenie kursu

Podstawy Pythona

Datasty 2026

Dodaj do LinkedIn

Dlaczego warto uczyć się algorytmów w R z Coddy

Te inne struktury danych. Własne typy R to to, co większość samouczków R nazywa strukturami danych, i uczy ich kurs R w Coddy. Kurs algorytmów oznacza stosy, kolejki, listy wiązane, kopce, drzewa i grafy, których podstawowe R nie zapewnia. Budowanie ich w R to sposób, w jaki analityk przyswaja tę połowę informatyki, którą praca z danymi zwykle pomija.
Ile kosztuje semantyka R. R kopiuje przy modyfikacji, więc wektor powiększany przez c(x, value) w pętli jest kopiowany przy każdym przejściu, co daje czas kwadratowy dla zadania liniowego. Rozwiązaniem jest wcześniejsza alokacja. Środowiska mają semantykę referencyjną i wyszukiwanie haszowane, co czyni je mapą haszującą R i naturalnym miejscem na węzeł, który chcesz zmieniać w miejscu.
Prawie cała ścieżka w R. Każda struktura danych, sortowanie, algorytm grafowy, wyzwanie z rekurencji i pakiet rekrutacyjny jest prowadzony w R. Trzy kursy są prowadzone w innych językach i wymienione po krokach, każdy z linkiem: programowanie dynamiczne i seria rekrutacyjna w Pythonie oraz operacje na bitach w C++. Operacje na bitach wyglądają z perspektywy R inaczej, bo & i | to operatory logiczne, a operacje bitowe to funkcje, takie jak bitwAnd.
Oceniane jak na rozmowie rekrutacyjnej. Każda lekcja kończy się wyzwaniem w R sprawdzanym przez testy, a gdy coś nie przechodzi, Bugsy czyta twój kod i naprowadza cię na poprawkę, nie podając gotowej odpowiedzi. Darmowy certyfikat w większości kursów, każdy do zweryfikowania pod własnym adresem URL.

Najczęstsze pytania o algorytmy i struktury danych w R

Czy ta ścieżka dotyczy struktur danych R, takich jak wektory i ramki danych?

Nie przede wszystkim. Własne typy danych R to wektory atomowe, listy (które można zagnieżdżać), macierze, ramki danych i czynniki. To je omawia większość przewodników po strukturach danych w R i ich uczy kurs R w Coddy. Ta ścieżka dotyczy znaczenia informatycznego: stosów, kolejek, list wiązanych, tablic mieszających, kopców, drzew trie, drzew i grafów, zbudowanych w R, a potem użytych do sortowania, rekurencji i algorytmów grafowych.

Czy R nadaje się do nauki algorytmów i struktur danych?

Działa, choć z pewnym oporem. R powstał z myślą o zwektoryzowanej statystyce, a nie o strukturach złożonych z połączonych węzłów, więc lista wiązana czy drzewo wymagają więcej namysłu niż w Pythonie, a rozmowy rekrutacyjne rzadko odbywają się w R. Dla analityka ten opór jest właśnie wartością: wiedza, że powiększanie wektora w pętli jest kwadratowe albo że środowisko to mapa haszująca, sprawia, że kod w R skaluje się do prawdziwych danych.

Jak zrobić mapę haszującą w R?

Za pomocą środowiska: h <- new.env(), potem h[[key]] <- value, żeby zapisać, i h[[key]], żeby odczytać, co dla brakującego klucza daje NULL. Środowiska są haszowane, mają klucze tekstowe i semantykę referencyjną, więc funkcja, która zmienia środowisko, zmienia je także dla wywołującego, inaczej niż wektor czy lista. Nazwana lista wygląda jak słownik, ale zachowuje się jak wartość: zmień ją w funkcji, a kopia wywołującego pozostanie nietknięta.

Czy głęboka rekurencja w R kończy się błędem?

Może. Domyślnie options(expressions = 5000) ogranicza, jak głęboko może się zagnieżdżać ewaluacja, a głęboka rekurencja, na przykład przeszukiwanie w głąb wzdłuż długiego łańcucha, zatrzymuje się błędem evaluation nested too deeply. Podniesienie tej opcji daje trochę miejsca, ale niezawodnym rozwiązaniem jest jawny stos w pętli, czyli struktura budowana w kroku pierwszym.

Które kursy z tej ścieżki nie są prowadzone w R?

Trzy: programowanie dynamiczne i seria rekrutacyjna w Pythonie, prowadzone w Pythonie, oraz operacje na bitach, prowadzone w C++. Są wymienione po krokach, każdy z linkiem, który otwiera go w jego własnym języku. Programowanie dynamiczne przekłada się wprost, bo tablica memoizacji w R to wcześniej zaalokowany wektor, a &, |, ^ i << z C++ stają się funkcjami bitwAnd, bitwOr, bitwXor i bitwShiftL.

Czy muszę znać R, zanim zacznę tę ścieżkę?

Przynajmniej wektory, listy, funkcje, pętle i indeksowanie od 1. Jeśli to dla ciebie nowość, kurs R w Coddy najpierw cię tam doprowadzi, za darmo, a ta ścieżka zaczyna się tam, gdzie on się kończy.