Nous utilisons des cookies pour améliorer votre expérience de navigation, diffuser des publicités ou du contenu personnalisés et analyser notre trafic. En cliquant sur "Tout accepter", vous consentez à notre utilisation des cookies.
Personnaliser les préférences
Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.
Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site....
Toujours actif
Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.
Aucun cookie à afficher.
Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.
Aucun cookie à afficher.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.
Aucun cookie à afficher.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Aucun cookie à afficher.
Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.
Vous pouvez utiliser la syntaxe de base suivante pour trouver la somme des valeurs par groupe dans les pandas : df.groupby(['group1','group2'])['sum_col'].sum().reset_index() Les exemples suivants montrent comment utiliser cette syntaxe en pratique avec le DataFrame pandas suivant : import pandas as pd #create DataFrame...
Vous pouvez utiliser l’une des deux méthodes suivantes pour créer un tableau de tableaux en Python à l’aide du package NumPy : Méthode 1 : combiner des tableaux individuels import numpy as np array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6])...
Vous pouvez utiliser la syntaxe de base suivante pour convertir une liste en Python en tableau NumPy : import numpy as np my_list = [1, 2, 3, 4, 5] my_array = np.asarray(my_list) Les exemples suivants montrent comment utiliser cette syntaxe dans la...
Vous pouvez utiliser la syntaxe suivante pour convertir une colonne d’un DataFrame pandas en un type entier : df['col1'] = df['col1'].astype(int) Les exemples suivants montrent comment utiliser cette syntaxe dans la pratique. Exemple 1 : convertir une colonne en entier Supposons que nous ayons...
Vous pouvez utiliser la syntaxe de base suivante pour convertir un tableau NumPy en liste en Python : my_list = my_array.tolist() Les exemples suivants montrent comment utiliser cette syntaxe dans la pratique. Exemple 1 : convertir un tableau unidimensionnel en liste Le code suivant...
Vous pouvez utiliser l’une des méthodes suivantes pour ajouter une colonne à un tableau NumPy : Méthode 1 : ajouter une colonne à la fin du tableau np.append(my_array, [[value1], [value2], [value3], ...], axis=1) Méthode 2 : insérer une colonne dans une position spécifique du...
Vous pouvez utiliser la syntaxe de base suivante pour mapper une fonction sur un tableau NumPy : #define function my_function = lambda x: x*5 #map function to every element in NumPy array my_function(my_array) Les exemples suivants montrent comment utiliser cette syntaxe dans...
Vous pouvez utiliser la syntaxe suivante pour obtenir une colonne spécifique d’un tableau NumPy : #get column in index position 2 from NumPy array my_array[:, 2] Les exemples suivants montrent comment utiliser cette syntaxe dans la pratique. Exemple 1 : obtenir une colonne...
Vous pouvez utiliser la fonction nunique() pour compter le nombre de valeurs uniques dans un DataFrame pandas. Cette fonction utilise la syntaxe de base suivante : #count unique values in each column df.nunique() #count unique values in each row df.nunique(axis=1) Les exemples...
