Summary  
This chapter covers advanced data frame subsetting techniques in R, including selecting multiple rows and columns via base R indexing and the use of dplyr’s select() and slice() functions with the pipe operator, as well as accessing individual values through row–column indexing.  

General domain of usage  
Data preprocessing

Osaat jo valita yksittäisiä rivejä ja sarakkeita perusindeksoinnilla. Nyt on aika mennä pidemmälle ja tutustua siihen, miten voit valita useita rivejä ja sarakkeita sekä perus-**R**:llä että `dplyr`-paketilla. Nämä tekniikat ovat olennaisia, kun haluat keskittyä tietyn osan aineistoon tai valmistella dataa jatkoanalyysia varten.

### Perus R
Voit valita useita sarakkeita yhdistämällä niiden sijainnit tai nimet `c()`-funktiolla. Tuloksena on pienempi data frame, joka sisältää vain määritetyt sarakkeet.

Sarakkeiden valinta sijaintien perusteella:
```
selected_data_base <- df[, c(1, 2, 3)]
```

Sarakkeiden valinta nimien perusteella:
```
selected_data_base <- df[, c("name", "selling_price", "transmission")]
```


### dplyr
Voit käyttää `select()`-funktiota ja välittää sarakkeiden nimet suoraan.

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

## Yksittäisten arvojen indeksointi
Yksittäisen arvon hakemiseen annetaan sekä rivin että sarakkeen numerot. Hyödyllinen yksittäisten tietopisteiden tarkistamiseen tai virheiden etsintään.

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

## Rivien viipalointi
Joskus halutaan käsitellä vain ensimmäisiä rivejä tai tiettyjä rivejä sijainnin perusteella.

### Base R
Voit valita useita rivejä määrittämällä ensimmäisen ja viimeisen indeksin ja kirjoittamalla niiden väliin `:`.
```
first_5_rows_base <- df[1:5, ]
```

### dplyr
Voit käyttää `slice()`-funktiota ja antaa sille haluamasi rivivälin.
```
first_5_rows_dplyr <- df %>%
  slice(1:5)
```


Lataa aineisto

Lataa luvun koodi

Hanki käytännön kokemusta datan analysoinnista R:llä oppimalla aineistojen puhdistamista, muokkaamista ja visualisointia. Tutustu keskeisiin työnkulkuihin, kuten datan valintaan ja suodattamiseen, puuttuvien arvojen käsittelyyn sekä tulosten tiivistämiseen. Vahvista osaamistasi datan valmistelussa oivalluksia, raportointia ja syvällisempää tilastollista tarkastelua varten.

Tutustu R:n tietoanalyysin perusteisiin. Opiskele työkalujen asennus, aineistojen lataaminen ja tarkastelu, tietojen valinta ja suodatus, datan lajittelu ja muuntaminen, puuttuvien arvojen käsittely sekä tulosten tiivistäminen syvempien oivallusten saavuttamiseksi.

Opi luomaan vaikuttavia visualisointeja ggplot2:lla. Luo pylväsdiagrammeja, histogrammeja, tiheyskäyriä ja hajontakuvioita sekä mukauta ja viimeistele niitä tyylivalinnoilla ja facetoinnilla syvempien oivallusten löytämiseksi datasta.

Syvennä ymmärrystäsi tilastotieteestä data-analyysissä. Käytä kuvailevia mittareita, tunnista ja käsittele poikkeavia havaintoja sekä hyödynnä korrelaatiotekniikoita visuaalisten työkalujen, kuten lämpökarttojen ja hajontakuvioiden, avulla merkityksellisten yhteyksien löytämiseksi.

Datan Valinta – Edistyneet Tekniikat

Useiden sarakkeiden valinta

Perus R

dplyr

Yksittäisten arvojen indeksointi

Rivien viipalointi

Base R

dplyr