Summary  
This chapter explains how to use integer-location based indexing with Pandas’ iloc attribute to select rows (and columns) by their positional indices, demonstrating both positive and negative indexing.  

General domain of usage  
Data analysis

Watch this video to see how the `iloc[]` attribute in pandas allows you to select rows and columns by their integer positions. You'll learn how to use positive and negative indices to extract specific rows from a DataFrame, such as the first, second, last, and second-to-last entries. The video walks through real-world code examples and demonstrates how the index positions correspond to the data you see in your tables, making it easy to understand and apply `iloc[]` for your own data selection tasks.

Avancemos y continuemos extrayendo columnas y filas mediante índices. Por lo tanto, es necesario estar familiarizado con un atributo similar a `loc[]`.

Nuestro siguiente atributo es `iloc[]`; es como **index-location** (ubicación por índice), y como puedes imaginar, nos permite trabajar tanto con los índices de las columnas como de las filas.

Primero, debemos recordar los índices. La **primera** fila tiene el índice `0`, la siguiente `1`, la siguiente `2`, y así sucesivamente. Pero también podemos contar desde el final (aunque esto no es conveniente en conjuntos de datos, puede ser útil en algunos casos), así que la **última** tiene el índice `-1`, la **penúltima** es `-2`, y así sucesivamente...

Observa la tabla:

Sin embargo, comenzaremos con la implementación más sencilla del atributo `iloc[]`, trabajando con el siguiente conjunto de datos (a continuación se muestran sus primeras cinco filas):

Observa el ejemplo de código y su salida:

- `data.iloc[0]` - extrae la **primera** fila del conjunto de datos;
- `data.iloc[1]` - extrae la **segunda** fila del conjunto de datos;
- `data.iloc[-1]` - extrae la **última** fila del conjunto de datos;
- `data.iloc[-2]` - extrae la **penúltima** fila del conjunto de datos.

Como habrás notado, al final de la salida, la variable `Name` también muestra el número de fila, como `Name: 998`.
## Pregunta
**Reemplaza los espacios reservados** `___` **en una ventana de código con tu código para responder la pregunta que aparece debajo**.

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/people.csv')

print(data.___) # CHANGE CODE HERE (to answer the question below)
print(data.___) # CHANGE CODE HERE (to answer the question below)

Observa que el índice de la primera persona es **0**.

Extrae la segunda y la última fila en la ventana de código anterior. ¿Cuáles son los nombres de esas personas?

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.

Aprendiendo más sobre la indexación

Pregunta