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.

Ви також можете отримувати доступ до рядків у DataFrame за їхнім індексом. Існує декілька способів зробити це:
- `.iloc` — використовується для доступу до рядків за їхнім числовим індексом, починаючи з 0;
- `.loc` — використовується для доступу до рядків за їхнім символьним ярликом.

У цьому курсі ви зосередитеся виключно на використанні атрибута `.iloc`.


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 має таку структуру:

Перша колонка виконує роль індексу рядків. Використовуйте ці індекси для доступу до конкретних рядків у `DataFrame`. Синтаксис цього атрибута:

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

Використовуйте цей атрибут для доступу до третього та сьомого рядків у `DataFrame`:


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])

Після виконання наведеного вище коду ви отримаєте рядки, що відповідають індексам, зазначеним на зображенні нижче:

Pandas — це надзвичайно зручна бібліотека для аналізу даних. Вона також розроблена для роботи з великими наборами даних, використовуючи такі структури даних, як DataFrame і Series. Це робить її незамінним інструментом для Data Science. У цьому посібнику ви ознайомитеся з різноманітними статистичними функціями, зокрема з тим, як знаходити кореляції, моди, медіани, а також максимальні та мінімальні значення у наборі даних. Ви також дізнаєтеся, як обробляти пропущені значення та змінювати окремі значення, а також як їх видаляти.

Знайомство з основами бібліотеки pandas. Створення та маніпулювання об'єктами Series і DataFrame, дослідження їхньої структури, формування впевненості у виконанні базових операцій з даними.

Опанування навичок завантаження та обробки даних з файлів CSV і TXT. Набуття практичного досвіду імпортування наборів даних і підготовки їх до подальшого аналізу за допомогою інструментів pandas.

Ознайомлення з методами дослідження, очищення та узагальнення даних. Розуміння обробки пропущених значень, отримання інсайтів і виконання базових статистичних операцій за допомогою pandas.

Основи Iloc[]