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.

Procedere oltre nell'estrazione di colonne e righe tramite indici. Necessità di familiarizzare con un attributo simile a `loc[]`.

Il prossimo attributo è `iloc[]`; rappresenta **index-location** e consente di lavorare sia con gli indici delle colonne che delle righe.

Innanzitutto, richiamo degli indici. La **prima** riga ha indice `0`, la successiva `1`, poi `2` e così via. È anche possibile contare dalla fine (non sempre pratico nei dataset, ma talvolta utile): l'**ultima** riga ha indice `-1`, la **penultima** `-2` e così via...

Osservare la tabella:

Iniziare con l'implementazione più semplice dell'attributo `iloc[]`, utilizzando il seguente set di dati (di seguito le prime cinque righe):

Osservare l'esempio di codice e il relativo output:

- `data.iloc[0]` - estrae la **primissima** riga del dataset;
- `data.iloc[1]` - estrae la **seconda** riga del dataset;
- `data.iloc[-1]` - estrae l'**ultima** riga del dataset;
- `data.iloc[-2]` - estrae la **penultima** riga del dataset.

Come avrai notato, alla fine dell'output, la variabile `Name` mostra anche il numero della riga, come `Name: 998`.
## Domanda
**Sostituisci i segnaposto** `___` **in una finestra di codice con il tuo codice per rispondere alla domanda sottostante**.

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)

Nota che l'indice della prima persona è **0**.

Estrai la seconda e l'ultima riga nella finestra del codice sopra. Quali sono i nomi di queste persone?

Questo corso contiene molte funzioni utili per un futuro data analyst. Imparerai diversi modi per estrarre dati e persino impostare condizioni su di essi. Successivamente, conoscerai i metodi di raggruppamento dei dati. Inoltre, apprenderai come preprocessare i dati. Ogni sezione ha il proprio set di dati, rendendo il corso coinvolgente.

Questa sezione ti insegnerà come visualizzare colonne specifiche in base ai loro titoli o indici. Inoltre, verranno illustrate le modalità per selezionare le righe tramite gli indici.

Qui imparerai come estrarre dati che soddisfano condizioni specifiche. Inoltre, imparerai come combinarle e persino crearne di proprie.

In questa sezione, amplierai le tue conoscenze sull'impostazione di diverse condizioni sui dati. Imparerai a verificare se i tuoi dati sono presenti in un elenco definito di valori o compresi tra due valori. Imparerai anche come trovare i valori più grandi e più piccoli.

Questa sezione è una delle più affascinanti del corso. Qui imparerai come raggruppare i dati in diversi modi. Ti aiuterà a lavorare come data analyst per individuare informazioni su specifici gruppi di dati.

Questa sezione è una delle più significative per un data analyst perché, se i dati contengono valori mancanti o in un formato errato, sarà impossibile lavorarci. Pertanto, qui imparerai come gestire tali valori inappropriati.

Learning More About Indexation

Domanda