- Компиляторы
-
Обучение
Изучить Python Запускаемые примеры, NumPy, pandas и другое Изучить ИИ / машинное обучениеНейросети, ML и LLM с нуля Изучить C и C++ Указатели, память, STL и современный C++ Изучить C#Основы C#, ООП, LINQ, async и упражнения .NET Изучить MatplotlibЛинейные, столбчатые, точечные и круговые диаграммы с визуализацией Изучение RustВладение, трейты, обработка ошибок и потоки Изучение GoСрезы, интерфейсы, горутины и каналы Алгоритмы на Python Поиск, сортировка, рекурсия и визуализация O(n) Алгоритмы на C и C++ Сравнение реализаций на C и C++ Программирование для детей Учись программировать, играя!
- КвизыНовое
- ЗадачиНовое
- УчителямНовое
- Обновления
- Угостить кофе
R Online Compiler
Run R code online with ggplot2, dplyr, tidyr and data.table installed. See the console output and your plots side by side. Free, no setup.
3 всего выполнений (3 в этом месяце)
Практикуйте Python на задачах
Решайте задачи прямо в редакторе: запускайте тесты, отправляйте решение и получайте AI-рецензию.
🧩 About This R Online Compiler
The CodeUtility R Online Compiler lets you write and run R code in your browser - no R installation, RStudio or package setup needed. Your code runs with R 4.4 in an isolated sandbox, and the console output appears next to the editor.
Popular packages are already installed: tidyverse (dplyr, tidyr, readr, purrr, stringr),
ggplot2, data.table, lubridate, janitor, zoo,
patchwork, viridis, scales, and modelling packages such as
caret, randomForest, rpart, e1071, glmnet and cluster.
Load them with library() as usual.
Charts work out of the box: every plot your code draws (base R or ggplot2) is shown as an image under the output, and you can open it full size or download it as a PNG.
It is a quick way for students to practise R, for analysts to test a snippet before running it on real data, and for teachers to share a working example with a class.
Больше, чем просто запуск кода
В одном редакторе есть всё для работы: несколько файлов, изолированный терминал, библиотеки для выбранной версии, сохранение проектов, общий доступ по ссылке и совместная работа в реальном времени.
Как пользоваться редактором
Выберите версию языка, откройте или создайте файл, напишите код и нажмите «Запустить». Результат появится в терминале. После входа в аккаунт можно хранить файлы в рабочем пространстве, устанавливать библиотеки и работать над кодом вместе с другими.
- Выберите версию и отредактируйте текущий файл или откройте другой файл рабочего пространства.
- Запустите код, при необходимости введите данные в терминале и просмотрите сохранённую историю запусков.
- Используйте библиотеки, инструменты рабочего пространства, общий доступ и чат, когда для задачи требуется несколько фрагментов кода.
💡 R Basics Guide for Beginners
1. Variables and Assignment
R uses <- to assign a value (= works too). Names are case-sensitive.
name <- "Alice"
age <- 30
is_student <- FALSE
cat(name, "is", age, "years old\n")
2. Vectors
A vector holds values of one type. Most operations work on the whole vector at once.
scores <- c(72, 88, 95, 64)
mean(scores) # 79.75
scores * 2 # every value doubled
scores[scores > 70] # 72 88 95
length(scores)
3. Conditionals
Use if / else for one value and ifelse() for a whole vector.
x <- 7
if (x %% 2 == 0) {
print("even")
} else {
print("odd")
}
ifelse(scores >= 70, "pass", "fail")
4. Loops
for walks over a vector; while repeats while a condition holds.
for (i in 1:3) {
cat("Step", i, "\n")
}
n <- 1
while (n < 100) n <- n * 2
print(n) # 128
5. Functions
Functions are values; the last expression is returned. Arguments can have defaults.
area <- function(width, height = width) {
width * height
}
area(3, 4) # 12
area(5) # 25
6. Lists
A list can hold values of different types, with names.
person <- list(name = "Bao", age = 21, langs = c("R", "SQL"))
person$name
person[["langs"]][2] # "SQL"
str(person)
7. Data Frames
A data frame is a table: each column is a vector of the same length.
df <- data.frame(
city = c("Hanoi", "Paris", "Lima"),
temp = c(31, 18, 22)
)
df[df$temp > 20, ]
summary(df$temp)
8. Apply Functions
sapply() and lapply() run a function on every element, without writing a loop.
words <- c("apple", "kiwi", "banana")
sapply(words, nchar)
lapply(1:3, function(n) n^2)
9. dplyr Pipelines
The pipe (|> or %>%) passes a result to the next step.
library(dplyr)
mtcars |>
group_by(cyl) |>
summarise(avg_mpg = mean(mpg), cars = n()) |>
arrange(desc(avg_mpg))
10. Plots with ggplot2
Map columns to axes and colours, then add layers. The chart appears under the output.
library(ggplot2)
ggplot(mtcars, aes(wt, mpg, color = factor(cyl))) +
geom_point(size = 3) +
labs(title = "Weight vs. fuel use", color = "Cylinders")
11. Strings
paste() joins text, sprintf() formats it, and stringr has friendly helpers.
paste("Hello", "R", sep = ", ")
sprintf("%.1f%% done", 42.567)
toupper("data")
library(stringr)
str_detect(c("cat", "dog"), "a")
12. Handling Errors
tryCatch() runs code and handles an error or a warning instead of stopping.
result <- tryCatch(
log(-1),
warning = function(w) {
message("Warning: ", conditionMessage(w))
NA
}
)
print(result)