DataOps-Learning.tech (@LearningOps) header
DataOps-Learning.tech (@LearningOps) profile picture

DataOps-Learning.tech

@LearningOps

Nous proposons des articles autour de la gestion des données: technologies big data, base de données et Python. N'hésitez à partager!!!

dataops-learning.tech/
Joined June 2022
  • Tweets361
  • Following110
  • Followers24
Qui a vécu ce type de situation ? #RealLife #developer #manager #Designer
1
32
Moi : Sur quels types de base de données avez-vous travaillé ? Candidat : Excel Moi :
Image from DataOps-Learning.tech (@LearningOps)
2
23
#ChatGPT, as-tu un commentaire à faire? Photo mis en ligne par @ElfriedSamba
Image from DataOps-Learning.tech (@LearningOps)
1
27
Tellement vrai!!! #DataScience #DataScientists
Image from DataOps-Learning.tech (@LearningOps)
1
17
Qui se reconnaît dans cette image??? #python #pythonprogramming
Image from DataOps-Learning.tech (@LearningOps)
1
25
Ça sent le vécu !!! 😂 #dataengineer #DataScientist #dataanalyst #notebook
Image from DataOps-Learning.tech (@LearningOps)
2
97
Ce qu'on te raconte en entretien vs. Ce que tu vis au quotidien #jobinterview
Image from DataOps-Learning.tech (@LearningOps)
1
30
Replying to @github
Montpellier, France
Image from DataOps-Learning.tech (@LearningOps)
1
Représentation graphique des valeurs uniques d'une Series en #Pandas à partir du résultat de la méthode value_counts() #Python #Pandas #DataScience #DataAnalytics #dataengineering #100daysofcodingchallenge
# 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 # 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 ='') ;

1
1
Tri des résultats en #Pandas de la méthode .value_counts(): - tri par les fréquences des éléments - tri par l'index des éléments #Python #Pandas #DataScientist #DataEngineer #DataAnalytics #100daysofcodechallenge
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) # 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))

3
Load more