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.
Un graphique à barres empilées est un type de graphique qui utilise des barres divisées en un certain nombre de sous-barres pour visualiser les valeurs de plusieurs variables à la fois. Ce didacticiel fournit un exemple étape par étape de la...
Vous pouvez utiliser la syntaxe de base suivante pour convertir une variable catégorielle en variable numérique dans un DataFrame pandas : df['column_name'] = pd.factorize(df['column_name'])[0] Vous pouvez également utiliser la syntaxe suivante pour convertir chaque variable catégorielle d’un DataFrame en variable numérique : #identify...
L’analyse de simulation est un type d’analyse qui vous permet d’insérer différents nombres dans des formules pour voir comment les résultats changent. Par exemple, supposons qu’un magasin vende trois produits différents à des prix différents et calcule le chiffre d’affaires total...
Vous pouvez utiliser la syntaxe suivante pour compter le nombre de valeurs de cellule comprises dans une plage de dates dans Google Sheets : =COUNTIFS(A2:A11,">="&D2, A2:A11,"<="&E2) Cette formule compte le nombre de cellules dans la plage A2:A11 où la date de début...
Souvent, vous souhaiterez peut-être compter le nombre de cellules d’une plage dans Google Sheets qui répondent à l’un des nombreux critères. Pour ce faire, vous pouvez utiliser la syntaxe de base suivante : =ArrayFormula(SUM(COUNTIF(A:A,{"Value1", "Value2", "Value3"}))) Cette formule particulière compte le nombre...
Souvent, vous souhaiterez peut-être créer un DataFrame pandas à partir d’une ou plusieurs séries pandas. Les exemples suivants montrent comment créer un DataFrame pandas en utilisant des séries existantes comme lignes ou colonnes du DataFrame. Exemple 1 : Créer un DataFrame Pandas...
Vous pouvez utiliser les méthodes suivantes pour remplacer les valeurs NaN par des chaînes dans un DataFrame pandas : Méthode 1 : remplacer les valeurs NaN par une chaîne dans l’ensemble du DataFrame df.fillna('', inplace=True) Méthode 2 : remplacer les valeurs NaN par une chaîne...
Vous pouvez utiliser la syntaxe de base suivante pour convertir un DataFrame pandas d’un format large en un format long : df = pd.melt(df, id_vars='col1', value_vars=['col2', 'col3', ...]) Dans ce scénario, col1 est la colonne que nous utilisons comme identifiant et col2...
Vous pouvez utiliser la syntaxe de base suivante pour convertir un DataFrame pandas d’un format long à un format large : df = pd.pivot(df, index='col1', columns='col2', values='col3') Dans ce scénario, col1 deviendra l’index, col2 deviendra les colonnes et col3 sera utilisé comme...
Vous pouvez utiliser les méthodes suivantes pour effectuer un groupby et un tracé avec un DataFrame pandas : Méthode 1 : regrouper par et tracer plusieurs lignes dans un seul tracé #define index column df.set_index('day', inplace=True) #group data by product and display sales...
