Aucun mot ne peut exprimer ma gratitude envers vous, vos vidéos sont très pédagogiques, votre démarche est très généreuse et ça répond exactement à mon besoin (Je fais un master Big Data) maintenant je Like avant de regarder la vidéo. Mille mercis
Si tous les professeurs étaient comme toi, la terre serait un paradis. J'ai appris de toi ce que je n'ai pas appris de mes professeurs dans mon master d'apprentissage automatique. Merci beaucoup Monsieur et bonne continuation.
@@arsenedydykouadio1520 oui il faut regarder dans la playlist en entrant complètement dans sa chaine youtube et tu verras la suite au numéro 18/30 puisque si tu regardes bien le titre de la vidéo c'est 17/30 où nous sommes.
C'est vraiment un travail de dingue ce que tu fais tu ajoutes plein de contenu à chaque nouvelle vidéo, tu es disponible pour tout le monde malgré la communauté qui se veut toujours plus importante franchement chapeau!
Merci beaucoup, ta reconnaissance fait tres plaisir :) Parfois je loupe un ou 2 commentaire, mais c'est rare j'essaie vraiment de repondre a tout le monde.
Etant en reconversion, votre série de vidéos sur le ML et plus particulièrement Python me sont très utiles, elles sont très accessibles et faciles à comprendre. Merci
je suis étudiante en master "digital text analysis". Je viens d'avoir un bootcamp d'introduction à python ponctué d'un examen que j'ai raté allègrement (notamment) parce que je n'avais rien compris du tout à "pandas", sur lequel la plupart de l'examen portait. Nous avons travaillé sur ces données du Titanic en classe mais je n'avais pas compris une seule ligne de code. J'ai acheté une adhésion à DataCamp pour m'aider mais rien n'y a fait. Et puis je viens de tomber sur votre chaîne! Vous êtes un excellent professeur! Je m'apprête à regarder chacune de vos vidéos excellement expliquées! Merci infiniment.
Je suis navré que vous n'ayez pas réussi votre premier examen, mais ne vous en faite pas, vous aurez l'occasion de vous rattraper ! C'est super si a présent vous avez bien compris tout ca ! :) Si le machine learning vous intéresse également, vous pouvez télécharger mon livre gratuit sur mon site Internet (le lien est dans la description) Allez, gardez la motivation et bon courage dans vos études ! :D
Hello, Merci pour cette superbe chaîne. Toutes les informations sont super bien expliquées et bien détaillées. Merci encore et surtout t'arrêtes pas :)
Bonjour et merci pour votre travail! Actuellement en reconversion professionnelle dans le domaine de la data et de l'IA, je ne peux que recommander vos vidéos! Pour ceux qui ont eu du mal à charger le dataset malgré le fait de le mettre dans le même dossier que votre notebook. Il m'est arrivé la même chose ! Cela peut être dû a JupyterLab qui est moins stable que Jupyter Notebook. J'ai fermé JupyterLab puis j'ai ouvert sur Jupyter Notebook et problême résolu! Retourner sur JupyterLab et là même en relançant votre kernel, surprise le dataset se charge correctement! Voilà 1er jour et 1ère participation ^^ A plus
Bonjour, j'ai connu votre chaîne moins d'un mois de cela et je me las pas de vos video... J'apprends le machine learning à travers vos vidéo...vraiment très pratique et jespere qu'à la fin de la 30iem vidéo je serai un expert du domaine Hahaaa...vraiment courage à vous !
Bonjour et bravo d'avoir fait tout ce chemin en moins d'UN mois ! Félicitations ! Le chemin pour devenir data scientist est long mais je me donne comme mission que les gens qui me suivent atteignent TOUS leurs objectifs un jour !
@@MachineLearnia c'est ça l'objectif ! En plus j'apprends facilement avec vous...vos explication sont compréhensives. Et je suis plus que déterminé pour devenir un data scientist.
Bravo et merci pour ces tutos, même si dans mon cas c'est plus la découverte et la curiosité car a 70ans et retraité, je n'ai pas d'application concrète à développer ! Mais c'est très intéressant et sa complète mon expérience en python.
Je me demandais quel était l'intérêt de Pandas vs une base de données, même en ram genre SQLite. Là, je crois cerner l'intérêt en voyant qu'on peut y faire des slices, des masques, bref, bien plus pythonesque et concis si j'ai bien compris. Je viens du vieux monde, merci pour cette encore excellente vidéo !
Aaah Kaggle, je compte faire BEAUCOUP de vidéos dessus, mais pas dans l'immédiat (je vais poursuivre la série Python pour les prochaines semaines) :D Stay tuned !
Bonjour, Superbe collection de vidéo . Elles sont très pédagogiques; Avez-vous fait ou ferez-vous une vidéo expliquant comment créer un dataset à partir de ses propres images par exemple dans le cadre d' une classification? Merci encore
Bonjour. Je suis bloquée dès la première étape. En effet, dès que j'essaie d'importer le fichier, ce message d'erreur s'affiche : FileNotFoundError. Je n'ai aucune solutions. Que faire ? Merci d'avance.
Merci beaucoup pour vos vidéos (TOP DU TOP). Dans un DataFrame déjà constitué et rempli, est-il possible d'inclure ( copier/coller) des colonnes d'un autre tableau (provenant d'Excel, par exemple )? Merci d'avance.
Excellente vidéo et super intéressante merci encore, j'ai une question si on supprime tout les valeurs NAN du dataset avec dropna() ça risque de biaiser notre modèle d'apprentissage après ? merci
Merci :) Oui... et non. Tout dépend ! Si les données qui sont supprimées sont distribuées normalement a travers les classes du Dataset, alors le risque de biais est faible. Si en revanche les données NaN sont toutes liées a une situation particuliere , alors le modele sera en effet "biaisé" (ce n'est pas le vrai terme pour parler de ca) car il n'aura jamais vu des données correspondant a une situation particuliere.
je sais pas pourquoi mais data = data.drop(['name', 'sibsp', 'parch', 'ticket', 'fare', 'cabin', 'embarked', 'boat', 'body', 'home'],axis=1) ne marche pas avec mon python
Jusqu'à maintenant on a utilisé Numpy pour les matrices. D'ailleurs précédemment l'exemple sur le "Titanic" a été utilisé avec Numpy et SKLearn. Pourquoi maintenant utiliser Pandas ? Quand donc utiliser Numpy et quand utiliser Pandas ? A+ ;)
Tres bonne question ! A la base, on utilise Numpy tout le temps, car ca nous permet de stocker les nombres pour faire tous nos calculs. Cependant, on a développé un Outils appelé Pandas pour faciliter la manipulation de Données lorsque celle-ci sont sous forme tabulaires (genre tableau excel). Et beaucoup de projets de data science ont des données sous cette forme la. Donc dans la pratique on charge nos données avec Pandas, on les manipule avec Pandas (et certaines fonctions de Numpy car pandas est construit par dessus numpy) et quand on a finit d'analyser nos données, on les passent dans sklearn pour faire du machine learning avec
bonsoir monsieur, j'ai un problème avec le chargement du dataset du titanique que j'ai téléchargé . Au niveau de spyder, quand je le charge, on me dit un truc du genre fichier introuvable que dois je faire ? merci .
Excellent ! Cependant, pourquoi à 15:02 on a 3 lignes qui sortent alors qu'on a écrit data.loc[0 : 2 , ['age','sex'] ] ? Nous devrions avoir que les lignes d'index 0 et 1 non ?
j'arrive pas à importer des fichiers sur jupyter, merci de me conseiller comment je peux le faire, j'ai télécharger anaconda python et je travaille avec jupyter
Bonjour Guillaume, Merci beaucoup encore une fois pour la qualité de tes vidéos elles sont vraiment excellentes. j'ai une question concernant groupby est ce possible de grouper par une fonction (mise en forme de valeurs) ou uniquement par colonne? Pour illustrer mon propos, j'ai une colonne avec des code insee et je voudrais grouper par département, donc les 2 premiers caractères du code insee. Je n'ai pas trouvé d'information sur le site pandas...merci d'avance j'ai essayé sans succès : in[19] df.groupby(['entite',df['code_insee'].astype(str).str[0:2]).sum() in[20] dept = df['code_insee'].astype(str).str[0:2] df.groupby(['entite',dept).sum() :x
Merci beaucoup. Dans cette situation, je créerai tout simplement une colonne temporaire qui contient les 2 premiers caractères sur code insee pour ensuite effectuer cette opération de groupby.
Juste pour info et si j'ai bien compris la session iloc (et loc par la même occasion). Quand on a data.iloc[1, 2], le chiffre 2 fait que la deuxième colonne est prise. Quand on a data.iloc[1:2, 0:2], le chiffre 2 fait que la première colonne est prise mais pas la deuxième colonne. Merci Pandas...
C'est une chose commune a beaucoup d'outils de Slicing, et a la base on retrouve ca dans Numpy, et dans les listes (on l'a vu au début de la série). Attention aussi l'index 2 réfère a la 3ieme colonne ! (mais ca je pense que tu l'as compris ^^ )
Je suis vos séries, et vraiment j'avance bien avec vous, du coup je vous demande de nous faire une vidéo d'analyse de base de données " Chicago crime" Merci
Bonjour, je viens de (re)decouvrir la fonction cut qui permet de repondre à moitié a l'exercice: le code si dessous marche mais coupe en 4 catégories d'age de longueur équivalente, appelés des quartiles par les statisticiens: data['age']=pd.cut(data['age'],bins=4,labels=(1,2,3,4)) on peu aussi mettre data['cat_age']= cela va recréer une colonne a la fin avec les 4 catégories 1,2,3,4 tout en préservant la colonne âge.
Bonjour, Je vous félicite pour le travail si important que vous faites à but non lucratif. je suis nouveau en python, je veux faire des analyses statistiques en python. j'applique vos mêmes démarches utilisées dans les vidéos. cela m'affiche toujours des erreurs. Votre aide en ce sens me serait très utile afin d'appliquer vos explications sur mes propres jeux de données.
Bonjour et merci beaucoup. Nous pourrons plus facilement vous aider sur le serveur discord (lien dans la description) car nous pourrons échanger du code ensemble
@@MachineLearnia j,'utilise jupiter notebook. Voila comment je procède Import numpy as np Important pandas as pd Import matplotlib.pyplot as plt. Df = pd.read_csv("data.csv") prinint(Df)
Merci infiniment , rien ne peut exprimer la joie que j'ai d'avoir tomber sur cette formation qui m'aide beaucoup dans ma carrière de Data scientiste
Aucun mot ne peut exprimer ma gratitude envers vous, vos vidéos sont très pédagogiques, votre démarche est très généreuse et ça répond exactement à mon besoin (Je fais un master Big Data) maintenant je Like avant de regarder la vidéo. Mille mercis
C'est un bonheur de pouvoir vous aider Nadia ! Bravo et bon courage pour votre Master ! :)
Si tous les professeurs étaient comme toi, la terre serait un paradis. J'ai appris de toi ce que je n'ai pas appris de mes professeurs dans mon master d'apprentissage automatique.
Merci beaucoup Monsieur et bonne continuation.
svp la suite de cette video existe?
@@arsenedydykouadio1520 oui il faut regarder dans la playlist en entrant complètement dans sa chaine youtube et tu verras la suite au numéro 18/30 puisque si tu regardes bien le titre de la vidéo c'est 17/30 où nous sommes.
Très utile l'ajout des timecodes depuis les dernières vidéos. Cette chaîne c'est comme le vin, ça se bonifie avec temps !!!
Merci beaucoup !
Tout simplement le meilleur cours de Pandas que j'ai vu sur internet !
Vidéo très pédagogique. Tu vas vraiment à l'essentiel sans faire des bavardages inutiles. Merci et courage pour ton travail.
Je suis honoré de l'apprendre, merci !
Même en 2024 cette vidéo m'est toujours utile. Merci infiniment ❤
oui je confirme a l'instant même
je confirme
C'est vraiment un travail de dingue ce que tu fais tu ajoutes plein de contenu à chaque nouvelle vidéo, tu es disponible pour tout le monde malgré la communauté qui se veut toujours plus importante franchement chapeau!
Merci beaucoup, ta reconnaissance fait tres plaisir :) Parfois je loupe un ou 2 commentaire, mais c'est rare j'essaie vraiment de repondre a tout le monde.
Etant en reconversion, votre série de vidéos sur le ML et plus particulièrement Python me sont très utiles, elles sont très accessibles et faciles à comprendre. Merci
De rien, merci a vous :)
Un immense bravo pour vos qualités pédagogiques !!!!
C'est la première vidéo que j'ai vue de votre chaîne. Merci pour votre travail et votre altruisme
Merci beaucoup, bienvenue dans notre communauté ! :)
J'aurais aimé avoir un prof comme vous impossible de qualifier vos contenus tellement que c'est clair et riche
Merci a vous !
La vidéo est vraiment de qualité ! Bien plus explicite que des cours sur Udemy ! Un grand merci !
Merci beaucoup, ca fait plaisir :)
On était 1000 abonnés en Octobre 2019 et on est plus de 6000 en Janvier 2020 , c'est un résultat de vos vidéos hyper jolies Merci beaucoup à vous !
Merci ! C'est aussi grace a vous qui étiez présent avant les 1000 abonés et qui etes encore la aujourd'hui !
et plus de 150K en 2024 !!!
Que de temps gagné grace à cette chaine. Merci
Ça me fait très plaisir de l'apprendre, merci ! :)
rien n'a dire . Merci beaucoup pour toutes ces explications .
je cherche à me former en BI.... Un grand merci, c'est tout à fait le genre de vidéo que je recherche !!! très clair à comprendre
Merci ! J'ens suis tres content ! :)
je suis étudiante en master "digital text analysis". Je viens d'avoir un bootcamp d'introduction à python ponctué d'un examen que j'ai raté allègrement (notamment) parce que je n'avais rien compris du tout à "pandas", sur lequel la plupart de l'examen portait. Nous avons travaillé sur ces données du Titanic en classe mais je n'avais pas compris une seule ligne de code. J'ai acheté une adhésion à DataCamp pour m'aider mais rien n'y a fait.
Et puis je viens de tomber sur votre chaîne! Vous êtes un excellent professeur! Je m'apprête à regarder chacune de vos vidéos excellement expliquées! Merci infiniment.
Je suis navré que vous n'ayez pas réussi votre premier examen, mais ne vous en faite pas, vous aurez l'occasion de vous rattraper ! C'est super si a présent vous avez bien compris tout ca ! :) Si le machine learning vous intéresse également, vous pouvez télécharger mon livre gratuit sur mon site Internet (le lien est dans la description)
Allez, gardez la motivation et bon courage dans vos études ! :D
@@MachineLearnia merci de me répondre! :) J'ai déjà téléchargé votre livre. Je suis sûre qu'il m'aidera! :)
Le meilleure professeur 😅, merci infiniment
Pandas ouvre les yeux sur un univers infini de possibilités c'est génial bravo Guillaume cette vidéo est magnifique
Merci beaucoup. Vive Pandas !
Video très clair, facile à suivre et riche d'informations. Merci !
Merci ! C'est un plaisir :)
C'est toujours un vrai régal. Merci
Merci beaucoup :)
je veux vous remercier pour cette excellente formation vraiment m a beaucoup aider dans mes etudes.
C'est absolument excellent tes tutos. Merci beaucoup !
Merci beaucoup et de rien :)
merci bq, ils m'ont invité pour une journée le wagon live, au bout de 3 hours on a rien fait en comparant avec cette vidéo, merci a vous.
Merci beaucoup pour votre retour et bon courage pour la suite :)
Hello,
Merci pour cette superbe chaîne. Toutes les informations sont super bien expliquées et bien détaillées.
Merci encore et surtout t'arrêtes pas :)
Merci beaucoup !
un grand merci, tu m'as sauvé la vie
Carrément !? Que ce passe-t-il ? un projet a rendre en urgence ?
Ca me fait plaisir :)
@@MachineLearnia vous m'avez aidé à préparer un cours. encore une fois merci
Très bon travail, bien organisé, bien clair.
Un grand merci Guillaume, c'est rare de trouver un travail de cette qualité. Tu me sauves mon ami ;)
Mais de rien :)
Super introduction ! Merci pour cette vidéo :)
Merci beaucoup :)
Toujours au top.Je sens que je vas basculer de R vers Python =D. Bravo et nous te soutenons !
Merci beaucoup pour le soutien ! :)
merci infiniment pour votre effort
Bonjour et merci pour votre travail!
Actuellement en reconversion professionnelle dans le domaine de la data et de l'IA, je ne peux que recommander vos vidéos!
Pour ceux qui ont eu du mal à charger le dataset malgré le fait de le mettre dans le même dossier que votre notebook. Il m'est arrivé la même chose !
Cela peut être dû a JupyterLab qui est moins stable que Jupyter Notebook.
J'ai fermé JupyterLab puis j'ai ouvert sur Jupyter Notebook et problême résolu!
Retourner sur JupyterLab et là même en relançant votre kernel, surprise le dataset se charge correctement!
Voilà 1er jour et 1ère participation ^^
A plus
Merci beaucoup Vincent ! Et merci d'avoir partager ton astuce !
Bonjour, j'ai connu votre chaîne moins d'un mois de cela et je me las pas de vos video... J'apprends le machine learning à travers vos vidéo...vraiment très pratique et jespere qu'à la fin de la 30iem vidéo je serai un expert du domaine Hahaaa...vraiment courage à vous !
Bonjour et bravo d'avoir fait tout ce chemin en moins d'UN mois ! Félicitations ! Le chemin pour devenir data scientist est long mais je me donne comme mission que les gens qui me suivent atteignent TOUS leurs objectifs un jour !
@@MachineLearnia c'est ça l'objectif ! En plus j'apprends facilement avec vous...vos explication sont compréhensives. Et je suis plus que déterminé pour devenir un data scientist.
Bravo et merci pour ces tutos, même si dans mon cas c'est plus la découverte et la curiosité car a 70ans et retraité, je n'ai pas d'application concrète à développer ! Mais c'est très intéressant et sa complète mon expérience en python.
Merci a vous ! Je suis tres heureux de pouvoir proposer mon contenu a des gens curieux comme vous :)
vraiment c´est merveilleux. je dirai la suite...
J'ai vraiment aimé cette vidéo
Très bonne vidéos, t'as sauvé mon cours d'exploitation de base de donnée
Je suis heureux de l'apprendre ! merci a toi :)
Merci pour ces tutos.
Ca me fait plaisir ! Merci de les suivre :)
Merci pour cette vidéo,j'ai vraiment aimé
Merci beaucoup
Très bonne vidéo encore, continue comme ça. Merci
Merci :)
MERCI BRO , C'EST TRES INTERESSANT LE CONTENU , UNE FOIS DE PLUS MERCI, JE SUIS NOUVEAU SUR LA CHAINE
Bienvenue a toi alors :)
Je me demandais quel était l'intérêt de Pandas vs une base de données, même en ram genre SQLite. Là, je crois cerner l'intérêt en voyant qu'on peut y faire des slices, des masques, bref, bien plus pythonesque et concis si j'ai bien compris. Je viens du vieux monde, merci pour cette encore excellente vidéo !
Merci pour le commentaire. Oui Pandas est vraiment puissant et pratique. Il a été développé par des organisme de l'industrie Financière.
Un merci du fond du coeur
merci infiniment Guillaume génial
Merci :)
@@MachineLearnia je vous en prie
Salut Guillaume belle vidéo comme d'habitude puissance force courage à toi merci pour le lien
Merci beaucoup ! Que la force soit avec toi également :)
Bonjour
Nous serons très heureux que vous venez sur les fonctions discriminantes dans la reconnaissance des formes
je vais le faire, merci ! :)
Vraiment très explicite. Merci un cour suivie et j'arrive à avancer sur mon projet.
Merci beaucoup ca me fait très plaisir comme retour ;)
Encore une excellente vidéo qui me permet de faire le lien avec Excel que j'utilise au quotidien
Je suis content que cela vous aide :)
Franchement tes vidéos sont vraiment au top du top
merci !
Je vois kaggle arriver au loin x)
Pour mon plus grand plaisir.
Aaah Kaggle, je compte faire BEAUCOUP de vidéos dessus, mais pas dans l'immédiat (je vais poursuivre la série Python pour les prochaines semaines) :D
Stay tuned !
merci pour cette vidéo
Super, comme d'hab !
Merci beaucoup :)
Merci infiniment, c'était claire !!
C'est vraiment formidable 🙏🏽🙏🏽
vraiment mercii beaucoup
C'est un plaisir de produire ces vidéos. merci !
merci beaucoup
ta vidéo est géniale, merci je comprends beaucoup mieux les bases de pandas :)
Ca fait tres plaisir de pouvoir aider !
Merci !
super la vidéo ! merci
Merci
merci infiniment
Je vous en prie, merci beaucoup !
Eh bien c'est tout simplement génial pour débuter. Merci beaucoup :)
De rien :)
époustouflant
Merci
j'adore. C'est très explicite
Merci !
super tuto simple à comprendre, merci
Je vous en prie !
merci bcp
Excellente explication. Merci
Je vous en prie.
thanks man,
Good choice!
Belle vidéo très bien expliquer je m'abonne !
Merci beaucoup :)
woooowww très cool. Merci infiniment
Merci content de savoir que la vidéo vous a plu !
Bonjour,
Superbe collection de vidéo . Elles sont très pédagogiques;
Avez-vous fait ou ferez-vous une vidéo expliquant comment créer un dataset à partir de ses propres images par exemple dans le cadre d' une classification?
Merci encore
Bonjour et merci beaucoup ! Oui je compte faire plusieurs vidéos pour faire de la vision par ordinateur sur vos propres images (d'ici quelques mois)
T'es le meilleur Guillaume :)
Merci :)
@@MachineLearnia Mais tu n'a pas repondu concernant mon probleme de jupyter
vidéo clair, facile à suivre
Merci pour votre réponse.
Quand je t'appe le code:
Pd.read_excel('hh.xls')
Le fichier ne télécharge pas ??
merci
Merci , svp des autres projets
il y en a pleins d'autres sur la chaine
Bonjour. Je suis bloquée dès la première étape. En effet, dès que j'essaie d'importer le fichier, ce message d'erreur s'affiche : FileNotFoundError. Je n'ai aucune solutions. Que faire ?
Merci d'avance.
Merci beaucoup pour vos vidéos (TOP DU TOP). Dans un DataFrame déjà constitué et rempli, est-il possible d'inclure ( copier/coller) des colonnes d'un autre tableau (provenant d'Excel, par exemple )? Merci d'avance.
Super vidéo merci ❤️❤️❤️
De rien ! :)
Lourd
Ahah !
Excellente vidéo et super intéressante merci encore, j'ai une question si on supprime tout les valeurs NAN du dataset avec dropna() ça risque de biaiser notre modèle d'apprentissage après ? merci
Merci :)
Oui... et non. Tout dépend ! Si les données qui sont supprimées sont distribuées normalement a travers les classes du Dataset, alors le risque de biais est faible. Si en revanche les données NaN sont toutes liées a une situation particuliere , alors le modele sera en effet "biaisé" (ce n'est pas le vrai terme pour parler de ca) car il n'aura jamais vu des données correspondant a une situation particuliere.
@@MachineLearnia merci bcp
@@90fazoti de rien, c'était une bonne question qui méritait une réponse adéquate ! :)
je sais pas pourquoi mais data = data.drop(['name', 'sibsp', 'parch', 'ticket', 'fare', 'cabin', 'embarked', 'boat', 'body', 'home'],axis=1) ne marche pas avec mon python
Quel est le message d'erreur que vous obtenez ?
'home.dest' not 'home' , python est sensible aux attributes and arguments
Jusqu'à maintenant on a utilisé Numpy pour les matrices. D'ailleurs précédemment l'exemple sur le "Titanic" a été utilisé avec Numpy et SKLearn. Pourquoi maintenant utiliser Pandas ?
Quand donc utiliser Numpy et quand utiliser Pandas ?
A+ ;)
Tres bonne question !
A la base, on utilise Numpy tout le temps, car ca nous permet de stocker les nombres pour faire tous nos calculs. Cependant, on a développé un Outils appelé Pandas pour faciliter la manipulation de Données lorsque celle-ci sont sous forme tabulaires (genre tableau excel). Et beaucoup de projets de data science ont des données sous cette forme la.
Donc dans la pratique on charge nos données avec Pandas, on les manipule avec Pandas (et certaines fonctions de Numpy car pandas est construit par dessus numpy) et quand on a finit d'analyser nos données, on les passent dans sklearn pour faire du machine learning avec
@@MachineLearnia Merci pour ces explications.
@@noel9335 de rien :)
bonsoir monsieur, j'ai un problème avec le chargement du dataset du titanique que j'ai téléchargé . Au niveau de spyder, quand je le charge, on me dit un truc du genre fichier introuvable que dois je faire ? merci .
Excellent !
Cependant, pourquoi à 15:02 on a 3 lignes qui sortent alors qu'on a écrit data.loc[0 : 2 , ['age','sex'] ] ? Nous devrions avoir que les lignes d'index 0 et 1 non ?
Il est possible que j'ai executé une cellule, puis changé le code, et que j'ai oublié d’exécuter la cellule... Mais en effet tu as raison
Thxx ❤❤❤🇹🇳
You are welcome :)
Slt Guillaume ! du coup le fichier excel doit-être importé dans le Jupyter ou pas? Merci d'avance
Salut, oui il faut importer le fichier Excel dans ton dossier de travail dans Jupyter
@@MachineLearnia merci Guillaume c'est très gentil... les cours sont vraiment magnifique
Très claire ….
Je me demandais où doit se trouver le tableau Excel sur notre ordinateur pour pouvoir être importé? PS:je suis sur Pycharms🙂
le plus simple c'est de le mettre dans le meme dossier que ton code python.
Salut, vous utilisez quoi pour afficher les data directement dans localhost ?
j'arrive pas à importer des fichiers sur jupyter, merci de me conseiller comment je peux le faire, j'ai télécharger anaconda python et je travaille avec jupyter
excellent
Thanks!
Bonjour Guillaume,
Merci beaucoup encore une fois pour la qualité de tes vidéos elles sont vraiment excellentes.
j'ai une question concernant groupby est ce possible de grouper par une fonction (mise en forme de valeurs) ou uniquement par colonne?
Pour illustrer mon propos, j'ai une colonne avec des code insee et je voudrais grouper par département, donc les 2 premiers caractères du code insee. Je n'ai pas trouvé d'information sur le site pandas...merci d'avance
j'ai essayé sans succès :
in[19]
df.groupby(['entite',df['code_insee'].astype(str).str[0:2]).sum()
in[20]
dept = df['code_insee'].astype(str).str[0:2]
df.groupby(['entite',dept).sum()
:x
Merci beaucoup. Dans cette situation, je créerai tout simplement une colonne temporaire qui contient les 2 premiers caractères sur code insee pour ensuite effectuer cette opération de groupby.
@@MachineLearnia Merci beaucoup, tes vidéos sont vraiment très enrichissantes et poussent à aller plus loin. Bravo !
Juste pour info et si j'ai bien compris la session iloc (et loc par la même occasion).
Quand on a data.iloc[1, 2], le chiffre 2 fait que la deuxième colonne est prise.
Quand on a data.iloc[1:2, 0:2], le chiffre 2 fait que la première colonne est prise mais pas la deuxième colonne.
Merci Pandas...
C'est une chose commune a beaucoup d'outils de Slicing, et a la base on retrouve ca dans Numpy, et dans les listes (on l'a vu au début de la série).
Attention aussi l'index 2 réfère a la 3ieme colonne ! (mais ca je pense que tu l'as compris ^^ )
👍🏻👍🏻👍🏻
Je suis vos séries, et vraiment j'avance bien avec vous, du coup je vous demande de nous faire une vidéo d'analyse de base de données " Chicago crime"
Merci
J'ai prévu de le faire en 2021, c'est parfait ! ^^
@@MachineLearnia merci infiniment , j'attends avec impatience
Bonjour, je viens de (re)decouvrir la fonction cut qui permet de repondre à moitié a l'exercice:
le code si dessous marche mais coupe en 4 catégories d'age de longueur équivalente, appelés des quartiles par les statisticiens:
data['age']=pd.cut(data['age'],bins=4,labels=(1,2,3,4))
on peu aussi mettre data['cat_age']= cela va recréer une colonne a la fin avec les 4 catégories 1,2,3,4 tout en préservant la colonne âge.
Bien joué !
Merci :)
de rien :)
Bonjour,
Je vous félicite pour le travail si important que vous faites à but non lucratif. je suis nouveau en python, je veux faire des analyses statistiques en python. j'applique vos mêmes démarches utilisées dans les vidéos. cela m'affiche toujours des erreurs.
Votre aide en ce sens me serait très utile afin d'appliquer vos explications sur mes propres jeux de données.
Bonjour et merci beaucoup. Nous pourrons plus facilement vous aider sur le serveur discord (lien dans la description) car nous pourrons échanger du code ensemble
@@MachineLearnia j,'utilise jupiter notebook.
Voila comment je procède
Import numpy as np
Important pandas as pd
Import matplotlib.pyplot as plt.
Df = pd.read_csv("data.csv")
prinint(Df)
Plus de vidéo stp
Merci beaucoup ! Oui toujours plus de vidéos ! :)
salut, j'arrive pas a ouvrir le fichier il affiche un message d'erreur "[Errno 2] No such file or directory: 'titanic3.xls'
" je sais pas prq ?
Salut, as-tu penser a mettre ton fichier dans ton répertoire de travail ? Il faut faire cela depuis l'explorateur Jupyter.
@@MachineLearnia merci beaucoup pour votre réponse bro c'est fait.
@@n.moussaoui2608 Super ! :)