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

Suodatus on tehokas tekniikka, jonka avulla voidaan erottaa ne tietorivit, jotka täyttävät tietyt ehdot – esimerkiksi valitsemalla vain dieselautot, kalliit autot tai manuaalivaihteiset ajoneuvot. Tämä mahdollistaa keskittymisen olennaiseen dataan syvällisempää analyysiä, raportointia tai visualisointia varten.

### Base R
Rivejä voidaan suodattaa asettamalla ehto tietylle sarakkeelle. Esimerkiksi valitaksesi vain ne autot, joiden polttoainetyyppi on **Diesel**, käytä `$`-operaattoria viitataksesi sarakkeeseen ja aseta looginen ehto.

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

### dplyr
`filter()`-funktion käyttö ja ehdon asettaminen suoraan.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Suodatus numeerisen arvon perusteella
Tietojen suodatus numeeristen vertailujen avulla.

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

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

### Base R
Ehtoja voidaan yhdistää loogisilla operaattoreilla, kuten `&` (**JA**).
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Voit antaa useita ehtoja `filter()`-funktiolle, eroteltuna pilkulla.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

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 Suodatus – Perusehdot

Suodatus kategorian mukaan

Base R

dplyr

Suodatus numeerisen arvon perusteella

Base R

dplyr

Useita ehtoja

Base R

dplyr

Awesome!

Datan Suodatus – Perusehdot

Suodatus kategorian mukaan

Base R

dplyr

Suodatus numeerisen arvon perusteella

Base R

dplyr

Useita ehtoja

Base R

dplyr