Summary  
This chapter covers how to filter data frames by applying basic categorical, numeric, and multiple logical conditions using both Base R and dplyr approaches.  

General domain of usage  
Data analysis

Filtrering er en effektiv teknik, der gør det muligt at isolere rækker af data, som opfylder bestemte kriterier – såsom kun at vælge dieselbiler, dyre biler eller køretøjer med manuelt gear. Det hjælper med at fokusere på relevante data til dybere analyse, rapportering eller visualisering.

### Base R
Du kan filtrere rækker ved at anvende en betingelse på en bestemt kolonne. For eksempel, for kun at vælge de biler, hvor brændstoftypen er **Diesel**, bruges `$`-operatoren til at referere til kolonnen og anvende en logisk betingelse.

```
diesel_cars <- df[df$fuel == "Diesel", ]
```

### dplyr
Du kan bruge funktionen `filter()` og angive betingelsen direkte.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Filtrering baseret på numerisk værdi
Det er også muligt at filtrere data ved hjælp af numeriske sammenligninger.

### Base R
```
expensive_cars <- df[df$selling_price > 500000, ]
```

### dplyr
```
cheap_cars_dplyr <- df %>%
  filter(selling_price < 500000)
```

### Base R
Kombination af betingelser ved brug af logiske operatorer som `&` for **OG**.
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Flere betingelser kan angives til funktionen `filter()`, adskilt med komma.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

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.

Filtrering af Data - Grundlæggende Betingelser

Filtrering efter kategori

Base R

dplyr

Filtrering baseret på numerisk værdi

Base R

dplyr

Flere betingelser

Base R

dplyr

Awesome!

Filtrering af Data - Grundlæggende Betingelser

Filtrering efter kategori

Base R

dplyr

Filtrering baseret på numerisk værdi

Base R

dplyr

Flere betingelser

Base R

dplyr