También puede acceder a las filas de un DataFrame por su índice. Hay varias formas de hacerlo:
- `.iloc` - se utiliza para acceder a las filas por su índice numérico, empezando por 0.
- `.loc` - se utiliza para acceder a las filas por su etiqueta de cadena.

En este curso, nos centraremos exclusivamente en el uso de la función `.iloc()`.

En primer lugar, vamos a crear un DataFrame con el que trabajar.

import pandas
dataset = {'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 = pandas.DataFrame(dataset)
print(countries)

El DataFrame tiene la siguiente estructura:

Puede observar la primera columna, que sirve como índice de fila. Utilizaremos estos índices para acceder a filas específicas del DataFrame. Ahora examinemos la sintaxis de esta función:

```python
dataframe.iloc[index]
```

Ahora es el momento de aplicar esta función a nuestro DataFrame.

import pandas
dataset = {'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 = pandas.DataFrame(dataset)
# Accessing to the third and seventh rows
print(countries.iloc[2])
print(countries.iloc[6])

Tras ejecutar el código anterior, obtendrá filas que corresponden a los índices indicados en la imagen siguiente:

Pandas es una biblioteca extremadamente fácil de usar para el análisis de datos. También está diseñada para manejar grandes conjuntos de datos, utilizando estructuras de datos como DataFrame y Series. Esto la convierte en una herramienta inestimable para la Ciencia de Datos. En esta guía, se familiarizará con una serie de funciones estadísticas, incluyendo cómo encontrar correlaciones, modos, medianas y valores máximos y mínimos dentro de un conjunto de datos. También aprenderá a manejar los valores que faltan y a manipular valores específicos, así como a eliminarlos.

En esta sección, exploraremos los fundamentos de las estructuras Series y DataFrame. También aprenderá acerca de las distinciones entre estos dos tipos de estructuras.

Los datos pueden obtenerse en varios formatos, como CSV, JSON, SQL, HTML y más. Con Pandas, no está limitado a un único formato - puede trabajar con datos a través de una multitud de tipos de archivo. En este capítulo, nos centraremos específicamente en los formatos CSV y TXT.

Aquí aprenderá a procesar datos sin procesar eliminando la información superflua y gestionando los valores nulos de un conjunto de datos.

Primeros Pasos con Pandas

Función iloc() 1/2