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

Filtrering er en kraftig teknikk som lar deg isolere rader med data som oppfyller bestemte kriterier – for eksempel kun å velge dieselbiler, dyre biler eller kjøretøy med manuell girkasse. Dette hjelper deg å fokusere på relevante data for dypere analyse, rapportering eller visualisering.

### Base R
Du kan filtrere rader ved å bruke en betingelse på en bestemt kolonne. For eksempel, for å velge kun biler hvor drivstofftypen er **Diesel**, bruk `$`-operatoren for å referere til kolonnen og anvend en logisk betingelse.

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

### dplyr
Du kan bruke funksjonen `filter()` og sende inn betingelsen direkte.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Filtrering basert på numerisk verdi
Det er også mulig å filtrere data ved hjelp av numeriske sammenligninger.

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

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

### Base R
Det er mulig å kombinere betingelser ved å bruke logiske operatorer som `&` for **OG**.
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Flere betingelser kan sendes til `filter()`-funksjonen, adskilt med komma.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

Få praktisk erfaring med dataanalyse i R ved å lære hvordan du rengjør, transformerer og visualiserer datasett. Utforsk essensielle arbeidsflyter som utvalg og filtrering av data, håndtering av manglende verdier og oppsummering av resultater. Bygg selvtillit i å forberede data for innsikt, rapportering og dypere statistisk utforskning.

Utforsk grunnleggende prinsipper for dataanalyse med R. Lær hvordan du installerer verktøyene, laster inn og inspiserer datasett, velger og filtrerer informasjon, sorterer og transformerer data, håndterer manglende verdier og oppsummerer resultater for dypere innsikt.

Lær å lage overbevisende visualiseringer med ggplot2. Bygg stolpediagrammer, histogrammer, tetthetsplott og spredningsplott, og tilpass og forbedre dem med stilvalg og fasettering for å avdekke dypere innsikt i dataene dine.

Styrk din forståelse av statistikk for dataanalyse. Bruk beskrivende mål, identifiser og håndter uteliggere, og anvend korrelasjonsteknikker med visuelle verktøy som varmekart og spredningsdiagrammer for å avdekke meningsfulle sammenhenger.

Filtrering av Data – Grunnleggende Betingelser

Filtrering etter kategori

Base R

dplyr

Filtrering basert på numerisk verdi

Base R

dplyr

Flere betingelser

Base R

dplyr

Awesome!

Filtrering av Data – Grunnleggende Betingelser

Filtrering etter kategori

Base R

dplyr

Filtrering basert på numerisk verdi

Base R

dplyr

Flere betingelser

Base R

dplyr