Summary  
This chapter explains how to use conditional filtering with the `.loc[]` attribute in Pandas to create Boolean masks that extract rows meeting specific column-based criteria.  

General domain of usage  
Astronomical data analysis

En esta sección, aprenderemos cómo extraer datos utilizando condiciones específicas, pero primero quiero que examines el conjunto de datos que utilizaremos. Incluye datos sobre asteroides:

- `id` - Unique identifier for each asteroid;
- `name` - Name given by NASA;
- `est_diameter_min` - Minimum estimated diameter in kilometers;
- `est_diameter_max` - Maximum estimated diameter in kilometers;
- `absolute_magnitude` - Describes how light the object is;
- `hazardous` - Boolean feature that shows whether asteroid is harmful or not.

Watch this video to see how you can set conditions in pandas to extract specific data from your DataFrame. You'll learn how to use the `.loc[]` attribute with conditional statements to filter rows based on numerical values, such as finding asteroids with a diameter above or below a certain threshold. The video covers practical examples using the asteroid dataset, demonstrating step-by-step how to write and interpret these conditions in your code.

Ya estás familiarizado con el atributo `.loc[]`, pero aquí ampliaremos sus posibilidades.

Una de las herramientas más útiles es establecer condiciones en una columna para extraer valores específicos. Así, solo tienes que poner la condición de la columna dentro del atributo `.loc[]`. Observa las diferentes condiciones y salidas.

- `data.loc[data['est_diameter_max'] < 0.005].head()` - extrae las primeras cinco filas donde los valores de la columna `'est_diameter_max'` son menores que `0.005`;
- `data.loc[data['absolute_magnitude'] >= 30].head()` - extrae las primeras cinco filas donde los valores de la columna `'absolute_magnitude'` son mayores o iguales a `30`.

La tarea consiste en elegir todas las formas correctas de establecer condiciones en la columna `'est_diameter_min'`. Observa que esta columna es numérica, así que considera las condiciones que se pueden usar con números.

Este curso contiene muchas funciones útiles para un futuro analista de datos. Aprenderás diferentes formas de extraer datos e incluso establecer condiciones sobre ellos. Después de esto, estarás familiarizado con los métodos de agrupación de datos. Además, aprenderás cómo preprocesar datos. Cada sección tiene su propio conjunto de datos, lo que hace que el curso sea atractivo.

Esta sección te enseñará cómo mostrar columnas específicas por sus títulos o índices. Además, te familiarizarás con las formas en que puedes seleccionar filas por índices.

Aquí aprenderás cómo extraer datos que cumplen condiciones específicas. Además, aprenderás cómo combinarlas e incluso crear tus propias condiciones.

En esta sección, ampliarás tus conocimientos sobre cómo establecer diferentes condiciones de datos. Aprenderás a verificar si tus datos se encuentran en una lista definida de valores o entre dos valores. También aprenderás a encontrar los valores más grandes y más pequeños.

Esta sección es una de las más fascinantes del curso. Aquí aprenderás cómo agrupar datos de diferentes maneras. Te ayudará a trabajar como analista de datos para descubrir información sobre grupos de datos específicos.

Esta sección es una de las más significativas para un analista de datos porque si los datos contienen valores faltantes o en un formato incorrecto, será imposible trabajar con ellos. Por lo tanto, aquí aprenderás cómo tratar con dichos valores inapropiados.

Establecer Condición