Summary  
This chapter covers advanced data selection techniques, demonstrating how to extract multiple rows and columns in R using base indexing and dplyr’s select and slice functions with the pipe operator.  

General domain of usage  
Data manipulation

Du ved allerede, hvordan man vælger enkelte rækker og kolonner ved hjælp af grundlæggende indeksering. Nu er det tid til at gå et skridt videre og udforske, hvordan man vælger flere rækker og kolonner ved hjælp af både base **R** og `dplyr`-pakken. Disse teknikker er essentielle, når du ønsker at fokusere på specifikke dele af et datasæt eller forberede dine data til videre analyse.

### Base R
Du kan vælge flere kolonner ved at kombinere deres positioner eller navne med funktionen `c()`. Resultatet er en mindre data frame, der kun indeholder de angivne kolonner.

Ved brug af kolonnepositioner:
```
selected_data_base <- df[, c(1, 2, 3)]
```

Ved brug af kolonnenavne:
```
selected_data_base <- df[, c("name", "selling_price", "transmission")]
```


### dplyr
Du kan bruge funktionen `select()` og angive kolonnenavnene direkte.

```
selected_data_dplyr <- df %>%
  select(km_driven, fuel, transmission)
```

## Indeksering af enkeltværdier
For at tilgå en specifik værdi, angiv både række- og kolonnenummer. Dette er nyttigt ved kontrol eller fejlfinding af individuelle datapunkter.

```
df[1, 2]  # accesses the value in row 1, column 2
```

## Udskæring af rækker
Nogle gange ønskes kun arbejde med de første par rækker eller specifikke rækker ud fra position.

### Base R
Du kan vælge flere rækker ved at angive det første og sidste indeks og skrive et `:` imellem.
```
first_5_rows_base <- df[1:5, ]
```

### dplyr
Du kan bruge funktionen `slice()` og give den det interval af rækker, du ønsker at tage.
```
first_5_rows_dplyr <- df %>%
  slice(1:5)
```


Opnå praktisk erfaring med dataanalyse i R ved at lære at rense, transformere og visualisere datasæt. Udforsk essentielle arbejdsgange såsom udvælgelse og filtrering af data, håndtering af manglende værdier og opsummering af resultater. Opbyg sikkerhed i at forberede data til indsigt, rapportering og dybere statistisk udforskning.

Udforsk grundlæggende principper for dataanalyse med R. Lær at installere værktøjer, indlæse og inspicere datasæt, udvælge og filtrere information, sortere og transformere data, håndtere manglende værdier samt opsummere resultater for dybere indsigt.

Lær at skabe overbevisende visualiseringer med ggplot2. Opbyg søjlediagrammer, histogrammer, tæthedsplot og spredningsdiagrammer, og tilpas og forfin dem med stylingmuligheder og facettering for at afdække dybere indsigter i dine data.

Styrk din forståelse af statistik til dataanalyse. Anvend beskrivende mål, identificer og håndter outliers, og brug korrelationsteknikker med visuelle værktøjer som varmekort og spredningsdiagrammer for at afdække meningsfulde sammenhænge.

Datavalg - Avancerede Teknikker

Valg af flere kolonner

Base R

dplyr

Indeksering af enkeltværdier

Udskæring af rækker

Base R

dplyr

Awesome!

Datavalg - Avancerede Teknikker

Valg af flere kolonner

Base R

dplyr

Indeksering af enkeltværdier

Udskæring af rækker

Base R

dplyr