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

Le filtrage est une technique puissante qui permet d'isoler les lignes de données répondant à certains critères, comme sélectionner uniquement les voitures diesel, les voitures coûteuses ou les véhicules à transmission manuelle. Cela permet de se concentrer sur les données pertinentes pour une analyse, un reporting ou une visualisation approfondis.

### Base R
Vous pouvez filtrer les lignes en appliquant une condition à une colonne spécifique. Par exemple, pour sélectionner uniquement les voitures dont le type de carburant est **Diesel**, utilisez l'opérateur `$` pour référencer la colonne et appliquer une condition logique.

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

### dplyr
Vous pouvez utiliser la fonction `filter()` et passer la condition directement.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Filtrage basé sur une valeur numérique
Filtrage des données à l'aide de comparaisons numériques.

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

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

### Base R
Il est possible de combiner des conditions à l'aide d'opérateurs logiques tels que `&` pour **ET**.
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Vous pouvez passer plusieurs conditions à la fonction `filter()`, séparées par une virgule.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

Télécharger le jeu de données

Télécharger le code du chapitre

Acquérir une expérience pratique de l'analyse de données avec R en apprenant à nettoyer, transformer et visualiser des ensembles de données. Explorer les flux de travail essentiels tels que la sélection et le filtrage des données, la gestion des valeurs manquantes et la synthèse des résultats. Développer la confiance dans la préparation des données pour l'extraction d'informations, la création de rapports et l'exploration statistique approfondie.

Explorez les bases de l'analyse de données avec R. Découvrez comment installer les outils, charger et inspecter des jeux de données, sélectionner et filtrer des informations, trier et transformer des données, gérer les valeurs manquantes et résumer les résultats pour obtenir des analyses approfondies.

Apprenez à créer des visualisations percutantes avec ggplot2. Construisez des diagrammes en barres, des histogrammes, des courbes de densité et des nuages de points, puis personnalisez-les et affinez-les à l’aide d’options de style et de facettage pour révéler des informations plus approfondies dans vos données.

Renforcez votre compréhension des statistiques pour l'analyse de données. Appliquez des mesures descriptives, identifiez et traitez les valeurs aberrantes, et utilisez des techniques de corrélation avec des outils visuels tels que les cartes de chaleur et les nuages de points pour révéler des relations significatives.

Filtrage des Données - Conditions de Base

Filtrage par catégorie

Base R

dplyr

Filtrage basé sur une valeur numérique

Base R

dplyr

Conditions multiples

Base R

dplyr