Summary  
This chapter explains how to subset data frames in R using base indexing—selecting specific rows by their numeric position and extracting columns by index or by name with the $ operator.  

General domain of usage  
Exploratory data analysis

Kun olet ladannut tietoaineiston **R**:ään, sinun täytyy oppia työskentelemään sen tiettyjen osien kanssa. Tämä tarkoittaa tiettyjen rivien ja sarakkeiden valitsemista, joihin haluat keskittyä. Olitpa sitten puhdistamassa dataa tai analysoimassa tiettyjä trendejä, tehokas tietojen osittaminen on olennaista.

## Datan lataaminen
Ennen kuin työskentelet minkään datan kanssa, se täytyy ladata ja tarkastella:

```
library(tidyverse) # load the tidyverse package
df <- read_csv("car_details.csv")  # read the dataset
View(df) # open the dataset in a spreadsheet-style viewer
```

## Rivien valitseminen
R:ssä voit valita rivejä niiden numeerisen sijainnin perusteella. Koska indeksointi alkaa yhdestä, kirjoittamalla `df[3, ]` saat tietoaineiston kolmannen rivin.

```
df[3, ]
```

## Sarakkeen valitseminen sijainnin perusteella
Samoin kuin rivejä, voit valita sarakkeen sen numeerisen sijainnin perusteella. Jättämällä rivin indeksin tyhjäksi ja määrittämällä sarakeindeksin, `df[, 5]` palauttaa aineiston viidennen sarakkeen.

```
df[, 5]
```


## Sarakkeen valitseminen nimen perusteella
Voit myös hakea sarakkeen suoraan sen nimellä käyttämällä `$`-operaattoria. Tämä tarjoaa nopean ja selkeän tavan poimia yksittäinen sarake. Esimerkiksi `df$km_driven` valitsee sarakkeen nimeltä **km\_driven**.

```
view(df$km_driven)
```


Mitä symbolia käytetään sarakkeen hakemiseen nimen perusteella base R:ssä?

Hanki käytännön kokemusta datan analysoinnista R:llä oppimalla, kuinka puhdistaa, muuntaa ja visualisoida aineistoja. Tutustu keskeisiin työnkulkuihin, kuten datan valintaan ja suodatukseen, puuttuvien arvojen käsittelyyn sekä tulosten tiivistämiseen. Vahvista osaamistasi datan valmistelussa oivalluksia, raportointia ja syvällisempää tilastollista tarkastelua varten.

Tutustu R:n avulla tehtävän data-analyysin perusteisiin. Opiskele työkalujen asentaminen, aineistojen lataaminen ja tarkastelu, tietojen valinta ja suodatus, datan lajittelu ja muuntaminen, puuttuvien arvojen käsittely sekä tulosten tiivistäminen syvällisempien oivallusten saavuttamiseksi.

Opi luomaan vaikuttavia visualisointeja ggplot2-kirjastolla. Rakenna pylväsdiagrammeja, histogrammeja, tiheyskäyriä ja hajontakuvioita sekä mukauta ja viimeistele niitä tyylivalinnoilla ja facettauksella syvempien oivallusten saavuttamiseksi datasta.

Syvennä tilastollisen analyysin ymmärrystä data-analyysissä. Sovella kuvailevia mittareita, tunnista ja käsittele poikkeavia havaintoja sekä hyödynnä korrelaatiotekniikoita visuaalisten työkalujen, kuten lämpökarttojen ja hajontakuvioiden, avulla merkityksellisten yhteyksien löytämiseksi.

Datan Valinta – Perusteet

Datan lataaminen

Rivien valitseminen

Sarakkeen valitseminen sijainnin perusteella

Sarakkeen valitseminen nimen perusteella

Awesome!

Datan Valinta – Perusteet

Datan lataaminen

Rivien valitseminen

Sarakkeen valitseminen sijainnin perusteella

Sarakkeen valitseminen nimen perusteella