Summary  
This chapter explains how to filter rows of a data frame by applying logical conditions on columns—using Base R indexing and dplyr’s filter()—including single or multiple categorical and numeric comparisons.

General domain of usage  
vehicle dataset analysis

Filtern ist eine leistungsstarke Technik, mit der sich Datenzeilen isolieren lassen, die bestimmte Kriterien erfüllen – wie zum Beispiel die Auswahl nur von Dieselautos, teuren Fahrzeugen oder Autos mit Schaltgetriebe. Dies ermöglicht die Konzentration auf relevante Daten für vertiefte Analysen, Berichte oder Visualisierungen.

### Base R
Zeilen können gefiltert werden, indem eine Bedingung auf eine bestimmte Spalte angewendet wird. Um beispielsweise nur die Autos auszuwählen, bei denen der Kraftstofftyp **Diesel** ist, wird der `$`-Operator verwendet, 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 nach 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")
```

Datensatz herunterladen

Kapitel-Code herunterladen

Sammeln Sie praktische Erfahrungen in der Datenanalyse mit R, indem Sie lernen, Datensätze zu bereinigen, zu transformieren und zu visualisieren. Erkunden Sie grundlegende Arbeitsabläufe 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.

Erlernen der 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 von Statistik für die 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 nach numerischem Wert

Base R

dplyr

Mehrere Bedingungen

Base R

dplyr