DataOps-Learning.tech

ALT # Méthode .value_counst() de Pandas # Représentation graphique des valeurs uniques d'une Series import pandas as pd villes = pd.Series(['Paris']*3 + ['New York']*5 + ['Montreal']*10 + [pd.NA]*4 + ['Milan']*1) # Sour forme d'un bar plot villes.value_counts().plot(kind='barh', title='Fréquence par ville') ; # Sous forme d'un camembert villes.value_counts().plot(kind='pie', ylabel ='') ;

ALT import pandas as pd villes = pd.Series(['Paris']*3 + ['New York']*5 + ['Montreal']*10 + [pd.NA]*4 + ['Milan']*1) # Tri sur les fréquences des éléments uniques d'une Series # par défaut ascending=False print(villes.value_counts(ascending=True)) # Tri sur les index du résultats du calcul de fréquence print(villes.value_counts().sort_index(ascending=True))

ALT import pandas as pd villes = pd.Series(['Paris']*3 + ['New York']*5 + ['Montreal']*10 + [pd.NA]*4 + ['Milan']*1) # Fréquence des éléments uniques d'une Series print(villes.value_counts()) # Fréquence avec les valeurs null print(villes.value_counts(dropna=False)) # Fréquence en pourcentage print(villes.value_counts(normalize=True, dropna=False))

ALT import pandas as pd df = pd.DataFrame({'x': [1, 2, 3], 'y': [4, 5, 6]}) def my_function(x, y): return x * y, x / y df[['mult', 'div']] = df.apply(lambda row: my_function(row['x'], row['y']), axis=1, result_type='expand')

ALT # Gestion de filtre import pandas as pd from tabulate import tabulate from typing import TYPE_CHECKING if TYPE_CHECKING: from pandas import DataFrame def print_tabulate(df: 'DataFrame') -> None: print(tabulate(df, headers='keys', tablefmt='psql')) if __name__ == '__main__': df = pd.DataFrame({'Nom': ['Paul', 'Lydia', 'Pierre', 'Emma', 'Gabriel'], 'Age': [39, 50, 23, 36, 32], 'Salaire': [25000, 35000, 23000, 42000, 20000]}) print_tabulate(df) # Opérateurs logiques print_tabulate(df[(df['Salaire'] >20000) & (df['Salaire'] <= 25000)]) # Method query print_tabulate(df.query("Salaire > 20000 & Salaire <= 25000")) # Between print_tabulate(df[df['Salaire'].between(20000, 25000, inclusive='right')])

ALT mots = ['Bonjour', 'au', 'monde', 'Python'] print(' '.join(mots)) print('-'.join(mots))