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.

Laten we verder gaan en doorgaan met het extraheren van kolommen en rijen op basis van indexen. Hiervoor is het belangrijk om bekend te zijn met een attribuut dat lijkt op `loc[]`.

Het volgende attribuut is `iloc[]`; dit staat voor **index-locatie**, en je raadt het al: hiermee kun je werken met zowel de indexen van kolommen als rijen.

Laten we eerst de indexen in herinnering brengen. De **eerste** rij heeft index `0`, de volgende `1`, daarna `2`, enzovoort. Maar we kunnen ook vanaf het einde tellen (dit is niet altijd handig bij datasets, maar kan soms nuttig zijn): de **laatste** rij heeft index `-1`, de **voorlaatste** is `-2`, enzovoort...

Bekijk de tabel:

We beginnen echter met de eenvoudigste toepassing van het attribuut `iloc[]`, waarbij we werken met de volgende dataset (hieronder staan de eerste vijf rijen):

Bekijk het codevoorbeeld en de uitvoer:

- `data.iloc[0]` - extraheert de **allereerste** rij van de dataset;
- `data.iloc[1]` - extraheert de **tweede** rij van de dataset;
- `data.iloc[-1]` - extraheert de **allerlaatste** rij van de dataset;
- `data.iloc[-2]` - extraheert de **voorlaatste** rij van de dataset.

Zoals je misschien hebt opgemerkt, toont de variabele `Name` aan het einde van de uitvoer ook het rijnummer, zoals `Name: 998`.
## Vraag
**Vervang de placeholders** `___` **in een codevenster met jouw code om de onderstaande vraag te beantwoorden**.

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)

Let op dat de index van de eerste persoon **0** is.

Haal de tweede en de laatste rij op in het codevenster hierboven. Wat zijn de namen van deze personen?

Deze cursus bevat veel nuttige functies voor een toekomstige data-analist. Je leert verschillende manieren om data te extraheren en er zelfs voorwaarden op toe te passen. Daarna raak je vertrouwd met methoden voor het groeperen van data. Ook leer je hoe je data kunt preprocessen. Elke sectie heeft zijn eigen dataset, waardoor de cursus boeiend blijft.

In deze sectie leer je hoe je specifieke kolommen kunt weergeven op basis van hun titels of indexen. Ook maak je kennis met de manieren waarop je rijen kunt selecteren op basis van indexen.

Hier leert u hoe u gegevens extraheert die aan specifieke voorwaarden voldoen. Ook leert u hoe u deze kunt combineren en zelfs uw eigen voorwaarden kunt creëren.

In deze sectie breidt u uw kennis uit over het instellen van verschillende datacondities. U leert controleren of uw gegevens zich in een gedefinieerde lijst met waarden bevinden of tussen twee waarden liggen. U leert ook hoe u de grootste en kleinste waarden kunt vinden.

Deze sectie is een van de meest fascinerende van de cursus. Hier leert u hoe u gegevens op verschillende manieren kunt groeperen. Dit zal u helpen als data-analist om informatie te vinden over specifieke datagroepen.

Deze sectie is een van de belangrijkste voor een data-analist, omdat het onmogelijk zal zijn om met de gegevens te werken als deze ontbrekende waarden of een onjuist formaat bevatten. Daarom leer je hier hoe je met dergelijke ongeschikte waarden omgaat.

Meer Leren Over Indexatie

Vraag