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

Filtern ist eine leistungsstarke Technik, mit der Sie Datenzeilen isolieren können, die bestimmte Kriterien erfüllen – wie zum Beispiel nur Dieselfahrzeuge, teure Autos oder Fahrzeuge mit Schaltgetriebe auszuwählen. Dies ermöglicht es, sich auf relevante Daten für eine vertiefte Analyse, Berichterstattung oder Visualisierung zu konzentrieren.

### Base R
Zeilen können gefiltert werden, indem eine Bedingung auf eine bestimmte Spalte angewendet wird. Um beispielsweise nur die Fahrzeuge auszuwählen, bei denen der Kraftstofftyp **Diesel** ist, verwenden Sie den `$`-Operator, um auf die Spalte zuzugreifen und eine logische Bedingung anzuwenden.

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

### dplyr
Mit der Funktion `filter()` kann die Bedingung direkt übergeben werden.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Filtern basierend auf numerischem Wert
Daten können auch mit numerischen Vergleichen gefiltert werden.

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

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

### Base R
Kombination von Bedingungen mit logischen Operatoren wie `&` für **UND** möglich.
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Mehrere Bedingungen können an die Funktion `filter()` übergeben werden, getrennt durch Kommas.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

Sammeln Sie praktische Erfahrungen in der Datenanalyse mit R, indem Sie lernen, wie Sie Datensätze bereinigen, transformieren und visualisieren. Erkunden Sie grundlegende Workflows wie das Auswählen und Filtern von Daten, den Umgang mit fehlenden Werten und das Zusammenfassen von Ergebnissen. Stärken Sie Ihr Vertrauen in die Vorbereitung von Daten für Erkenntnisse, Berichte und weiterführende statistische Analysen.

Erkunden Sie die Grundlagen der Datenanalyse mit R. Erfahren Sie, wie Sie die Werkzeuge installieren, Datensätze laden und inspizieren, Informationen auswählen und filtern, Daten sortieren und transformieren, fehlende Werte behandeln und Ergebnisse für tiefere Einblicke zusammenfassen.

Erstellung aussagekräftiger Visualisierungen mit ggplot2. Erstellung von Balkendiagrammen, Histogrammen, Dichteplots und Streudiagrammen sowie Anpassung und Verfeinerung dieser mit Stiloptionen und Facettierung zur Aufdeckung tieferer Einblicke in die Daten.

Vertiefung des Verständnisses für Statistik in der Datenanalyse. Anwendung beschreibender Kennzahlen, Identifikation und Behandlung von Ausreißern sowie Nutzung von Korrelationsmethoden mit visuellen Werkzeugen wie Heatmaps und Streudiagrammen zur Aufdeckung signifikanter Zusammenhänge.

Filtern von Daten – Grundlegende Bedingungen

Filtern nach Kategorie

Base R

dplyr

Filtern basierend auf numerischem Wert

Base R

dplyr

Mehrere Bedingungen

Base R

dplyr

Awesome!

Filtern von Daten – Grundlegende Bedingungen

Filtern nach Kategorie

Base R

dplyr

Filtern basierend auf numerischem Wert

Base R

dplyr

Mehrere Bedingungen

Base R

dplyr