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 rajata tietueita, jotka täyttävät tietyt ehdot – kuten valitsemalla vain dieselautot, kalliit autot tai ajoneuvot, joissa on manuaalivaihteisto. Tämä mahdollistaa keskittymisen olennaiseen dataan syvällisempää analyysiä, raportointia tai visualisointia varten.

### Base R
Rivejä voidaan suodattaa asettamalla ehto tietylle sarakkeelle. Esimerkiksi, jos halutaan valita vain autot, joiden polttoainetyyppi on **Diesel**, käytetään `$`-operaattoria sarakkeen viittaamiseen ja loogisen ehdon asettamiseen.

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

### dplyr
Voit käyttää `filter()`-funktiota ja antaa ehdon suoraan.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Suodatus numeerisen arvon perusteella
Voit myös suodattaa dataa 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 käyttämällä loogisia operaattoreita, kuten `&` (**JA**).
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

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

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 Suodatus – Perusehdot

Suodatus kategorian perusteella

Base R

dplyr

Suodatus numeerisen arvon perusteella

Base R

dplyr

Useita ehtoja

Base R

dplyr

Awesome!

Datan Suodatus – Perusehdot

Suodatus kategorian perusteella

Base R

dplyr

Suodatus numeerisen arvon perusteella

Base R

dplyr

Useita ehtoja

Base R

dplyr