TRUE # odpowiednik `True` z Pythona
FALSE # odpowiednik `False` z Pythona
T # zamiast pełnego TRUE możemy używać skrótu
F # j.w.
prawda <- TRUE # przypisujemy wartość do zmiennej
trzy_prawdy <- c(T, T, T) # w R wszystkie podstawowe typy danych są wektorowe, to znaczy są n-tkami

wzrost <- c(183, 171, 171)
class(wzrost) # `type` w Pythonie, mimo że nie ma liczb po przecinku to ma typ `numeric`!
wzrost_int <- as.integer(wzrost) # funkcje z `as` na początku pozwalają konwertować między typami
3:7 # tworzy wektor typu `integer` z sekwencją liczb od 3 do 7 
class(3:7) # sprawdzamy typ
imiona <- c("Hanna", "Adam", "Jędrzej") # tworzy wektor typu `character` (odpowiednik stringa)
plec <- c("K", "K", "M", "K", "I")  
table(plec) # tabulacja (proszę sprawdzić jakiego typu wartość zwraca)

plec_2003 <- c("M", "M", "M", "M", "I")  
table(plec_2003)
plec_2003_fct <- factor(plec_2003, levels = c("K", "M", "I")) # factor to `character` z informacją o możliwych poziomach
table(plec_2003_fct) # pokazuje prawidłowo 0 kobiet

imiona[1:2] # indeksujemy podobnie jak w Pythonie
imiona[c(1,2)] # ale możemy dać w nawiasach kwadratowych dowolne integery!
imiona[c(1,3)] # jakie nam się wymarzy!
imiona[1:3]
?seq # sluzy do generowania sekwencji
# znak zapytania = dostęp do dokumentacji

# matrix
od_jeden_do_dwadziescia <- 1:20
jeden_dwadziescia <- matrix(od_jeden_do_dwadziescia,
                            5, 4) # wiersze - pierwsze, kolumny - drugie
jeden_dwadziescia

jeden_dwadziescia <- matrix(od_jeden_do_dwadziescia,
                            5, 4, byrow = T) # byrow = T sprawia, że macierz wypełniana jest wierszami nie kolumnami
jeden_dwadziescia[4,3] # czwarty wiersz trzecia kolumna
jeden_dwadziescia[2:3,1:2] # zakresy działają tak samo jak w przypadku wektorów!

waga <- c(74.3, 102.4, 81, 66, 45.8, 68.9)
waga
waga[c(4, 5, 6)] # wartości mniejsze niż 70, ale tak nie chcemy!
waga < 70.0 # zwraca wektor typu `logical` gdzie T jest na pozycjach, dla których w `waga` warunek jest spełniony
which(waga < 70.0) # zwraca pozycje, gdzie jest T
waga[which(waga < 70.0)] # których możemy użyć do indeksowania
waga[waga < 70.0] # możemy też użyć do indeksowania po prostu wektora typu `logical`
waga[c(F, F, F, T, T, T)] # to nie jest żadna specjalna składnia, możemy tam wstawić wpisany z palca wektor

waga[length(waga)] # `length` zwraca długość, odpowiednik `len` w Pythonie

# Jeden ze sposobów stworzenia ramki danych:
statystyka <- data.frame(
  imie = c("Hanna", "Adam", "Jędrzej", "Sabina"),
  plec = c("K", "M", "M", "K"),
  ocena = c(5, 4, 3, 5)
)
statystyka # wyświetlamy całą ramkę danych
statystyka$plec == "M" # za pomocą dolara wybieramy pojedynczą kolumnę z ramki
statystyka[statystyka$plec == "M",] # indeksowanie działa dokładnie tak jak w macierzach, pamiętamy o przecinku!

# Sześć sposobów wybrania kolumny `ocena`
statystyka$ocena # zwraca wektor
statystyka[3] # zwraca jednokolumnową ramkę danych
statystyka[[3]] # zwraca wektor
statystyka[, 3] # zwraca wektor
statystyka[, "ocena"] # zwraca wektor
statystyka[["ocena"]] # zwraca wektor

# Wybrać te samochody, 
# które mają więcej niż 100 koni i 4 cylindry
mtcars[mtcars$hp > 100 & mtcars$cyl == 4,]

# wybrać z tego podzbioru tylko kolumnę "gear"
mtcars[mtcars$hp > 100 & mtcars$cyl == 4, "gear"]