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 créer un histogramme pour chaque colonne d’un DataFrame pandas : import pandas as pd import matplotlib.pyplot as plt #define number of subplots fig, axis = plt.subplots(1, 3) #create histogram for each column in...
Vous pouvez utiliser la syntaxe de base suivante pour afficher les pourcentages sur l’axe y d’un histogramme pandas : import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import PercentFormatter #create histogram, using percentages instead of counts...
Vous pouvez utiliser les méthodes suivantes pour comparer deux DataFrames pandas ligne par ligne : Méthode 1 : comparer les DataFrames et conserver uniquement les lignes présentant des différences df_diff = df1.compare(df2, keep_equal=True, align_axis=0) Méthode 2 : comparer les DataFrames et conserver toutes les...
Vous pouvez utiliser les méthodes suivantes pour comparer les dates entre deux colonnes dans un DataFrame pandas : Méthode 1 : ajouter une nouvelle colonne au DataFrame qui affiche la comparaison des dates df['met_due_date'] = df['comp_date'] < df['due_date'] Cet exemple particulier ajoute une...
Vous pouvez utiliser la syntaxe de base suivante pour comparer des chaînes entre deux colonnes dans un DataFrame pandas : df['col1'].str.strip().str.lower() == df['col2'].str.strip().str.lower() La fonction str.strip() supprime les espaces de chaque chaîne et la fonction str.lower() convertit chaque chaîne en minuscules avant...
Vous pouvez utiliser la syntaxe de base suivante pour comparer les valeurs de trois colonnes dans R : df$all_matching <- df$A == df$B & df$B == df$C Cette syntaxe crée une nouvelle colonne appelée all_matching qui renvoie la valeur TRUE si toutes...
Vous pouvez utiliser les méthodes suivantes pour convertir plusieurs colonnes en facteur à l’aide des fonctions du package dplyr : Méthode 1 : convertir des colonnes spécifiques en facteur library(dplyr) df %>% mutate_at(c('col1', 'col2'), as.factor) Méthode 2 : convertir toutes les colonnes de caractères...
Vous pouvez utiliser la formule de base suivante pour comparer trois colonnes dans Google Sheets : =IF(AND(B2=C2,C2=D2),"Equal","Not Equal") Cette formule particulière compare les valeurs des cellules B2 , C2 et D2 . Si toutes les valeurs sont égales, la formule renvoie Equal...
Vous pouvez utiliser la syntaxe de base suivante pour utiliser la fonction ffill() dans pandas afin de transmettre des valeurs de remplissage en fonction d’une condition dans une autre colonne : df['sales'] = df.groupby('store')['sales'].ffill() Cet exemple particulier transmettra les valeurs de remplissage...
Vous pouvez utiliser la fonction fillna() avec un dictionnaire pour remplacer les valeurs NaN dans une colonne d’un DataFrame pandas en fonction des valeurs d’une autre colonne. Pour ce faire, vous pouvez utiliser la syntaxe de base suivante : #define dictionary dict...