Summary  
The chapter introduces pandas’ iloc attribute for integer-based row selection in DataFrames, allowing you to access rows by their position (including negative indices).

General domain of usage  
Data analysis

Watch this video to see how the `.iloc` attribute in pandas lets you access rows by their numerical index. The demonstration covers the DataFrame structure, highlights how row indexing starts at 0, and shows step-by-step how to access the third and seventh rows using `.iloc[2]` and `.iloc[6]`, matching the examples and images from this chapter. Also video shows how to access values using negative indexing.

DataFrameの行には、インデックスを使ってアクセス可能。
- `.iloc` - 数値インデックス（0から開始）で行にアクセス。
- `.loc` - 文字列ラベルで行にアクセス。

このコースでは、`.iloc`属性の使用に限定。

import pandas as pd

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)
print(countries)

DataFrame の構造は次のとおりです。

最初の列は行インデックスとして機能しています。これらのインデックスを使用して、`DataFrame` 内の特定の行にアクセスします。この属性の構文は次のとおりです。

```python
df.iloc[index]
```

この属性を使って、`DataFrame` の3番目と7番目の行にアクセスします。


import pandas as pd

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}

countries = pd.DataFrame(countries_data)
# Accessing to the third and seventh rows
print(countries.iloc[2])
print(countries.iloc[6])

上記のコードを実行すると、下の画像で示されたインデックスに対応する行が取得されます。

Pandasは、データ分析のための非常にユーザーフレンドリーなライブラリです。また、DataFrameやSeriesのようなデータ構造を使用して大規模なデータセットを扱うように設計されています。これにより、データサイエンスにとって不可欠なツールとなっています。本ガイドでは、相関、最頻値、中央値、最大値および最小値の算出方法など、さまざまな統計関数について学びます。また、欠損値の処理や特定の値の操作、削除方法についても習得します。

pandasライブラリの基本を学びます。SeriesおよびDataFrameの作成と操作、その構造の探索、基本的なデータ操作の実践に自信を持つことができます。

CSVファイルおよびTXTファイルからデータを読み込み、管理する方法を習得します。pandasツールを使用してデータセットをインポートし、さらなる分析のために準備する実践的な経験を得られます。

データを効果的に探索、クリーンアップ、要約する方法を学びます。欠損値の処理方法、インサイトの抽出、pandasを用いた基本的な統計操作について理解します。

iloc[] の基本