Summary  
This chapter explains how to select and print specific rows from a tabular dataset using index-based slicing (e.g., data[0:3], data[997:], data[:]) to retrieve subsets or all rows.

General domain of usage  
Data analysis with tabular datasets

**Pandas** tarjoaa runsaasti hyödyllisiä työkaluja; esimerkiksi se mahdollistaa vain tiettyjen rivien tulostamisen. Käytämme samaa tietojoukkoa.

- `data[0:3]` – tulostaa rivit nollasta kolmeen `0`, `1`, `2`, kaikille sarakkeille (huomaa, että tämä menetelmä ei sisällä viimeistä indeksiä);
- `data[:3]` – tulostaa rivit nollasta kolmeen `0`, `1`, `2`, kaikille sarakkeille;
- `data[997:999]` – tulostaa rivit 997–999: `997` ja `998`, kaikille sarakkeille (tämä on viimeinen rivi);
- `data[997:]` – tulostaa rivit 997:stä viimeiseen: `997`, `998`, `999`, kaikille sarakkeille;
- `data[:]` – tulostaa kaikki tietojoukon `data` rivit kaikille sarakkeille.

Valitse kaikki vaihtoehdot, joissa on oikea syntaksi rivien tulostamiseen indeksien perusteella:

Tämä kurssi sisältää runsaasti hyödyllisiä funktioita tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja jopa ehtojen asettamiseen niille. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisella osiolla on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit tuottamaan tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin valita rivejä indeksien avulla.

Tässä opit, kuinka tietoja voidaan poimia tiettyjen ehtojen perusteella. Lisäksi opit yhdistämään ehtoja ja luomaan omia ehtoja.

Tässä osiossa syvennät osaamistasi erilaisten datan ehtojen asettamisessa. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoin. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen käsittely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Rivin Tulostaminen Indeksin Perusteella