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

Filteren is een krachtige techniek waarmee je rijen met gegevens kunt isoleren die aan bepaalde criteria voldoen - zoals alleen dieselauto's selecteren, dure auto's, of voertuigen met een handgeschakelde transmissie. Dit helpt om te focussen op relevante gegevens voor diepgaandere analyse, rapportage of visualisatie.

### Base R
Je kunt rijen filteren door een conditie toe te passen op een specifieke kolom. Bijvoorbeeld, om alleen de auto's te selecteren waarbij het brandstoftype **Diesel** is, gebruik je de `$`-operator om naar de kolom te verwijzen en een logische conditie toe te passen.

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

### dplyr
Gebruik van de functie `filter()` waarbij de conditie direct wordt meegegeven.
```
diesel_cars_dplyr <- df %>%    
  filter(fuel == "Diesel")
```

## Filteren op numerieke waarde
Data filteren met behulp van numerieke vergelijkingen.

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

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

### Base R
Voorwaarden combineren met logische operatoren zoals `&` voor **EN**.
```
diesel_manual_cars <- df[df$fuel == "Diesel" & df$transmission == "Manual", ]
```

### dplyr
Meerdere voorwaarden kunnen aan de functie `filter()` worden doorgegeven, gescheiden door een komma.
```
diesel_manual_cars_dplyr <- df %>%
  filter(fuel == "Diesel", transmission == "Manual")
```

Dataset downloaden

Hoofdstukcode downloaden

Verkrijg praktische ervaring in data-analyse met R door te leren hoe datasets opgeschoond, getransformeerd en gevisualiseerd worden. Verken essentiële workflows zoals het selecteren en filteren van data, omgaan met ontbrekende waarden en het samenvatten van resultaten. Vergroot het vertrouwen in het voorbereiden van data voor inzichten, rapportages en diepgaandere statistische verkenning.

Verken de basisprincipes van data-analyse met R. Leer hoe u de tools installeert, datasets laadt en inspecteert, informatie selecteert en filtert, gegevens sorteert en transformeert, ontbrekende waarden verwerkt en resultaten samenvat voor diepgaandere inzichten.

Leer het maken van overtuigende visualisaties met ggplot2. Bouw staafdiagrammen, histogrammen, dichtheidsplots en spreidingsdiagrammen, en pas deze vervolgens aan en verfijn ze met opmaakopties en facettering om diepere inzichten in uw gegevens te onthullen.

Verdiep uw begrip van statistiek voor data-analyse. Toepassing van beschrijvende maten, identificatie en behandeling van uitschieters, en gebruik van correlatietechnieken met visuele hulpmiddelen zoals heatmaps en spreidingsdiagrammen om betekenisvolle relaties te ontdekken.

Gegevens Filteren - Basisvoorwaarden

Filteren op categorie

Base R

dplyr

Filteren op numerieke waarde

Base R

dplyr

Meerdere voorwaarden

Base R

dplyr