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

Suodatus on tehokas tekniikka, jonka avulla voidaan erotella ne rivit, jotka täyttävät tietyt ehdot – kuten valitsemalla vain dieselautot, kalliit autot tai manuaalivaihteiset ajoneuvot. Tämä auttaa keskittymään olennaiseen dataan syvällisempää analyysiä, raportointia tai visualisointia varten.

### Base R
Rivejä voidaan suodattaa asettamalla ehto tietylle sarakkeelle. Esimerkiksi, jos halutaan valita vain ne 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 välittää ehdon suoraan.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Suodatus numeerisen arvon perusteella
Tietoja voidaan suodattaa myös 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, erotettuna pilkulla.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

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 Suodatus – Perusehdot

Suodatus kategorian mukaan

Base R

dplyr

Suodatus numeerisen arvon perusteella

Base R

dplyr

Useita ehtoja

Base R

dplyr