ladatascience

import os
os.environ['CUDA_LAUNCH_BLOCKING'] = "1"
import torch

ladatascience

# Importations.
import matplotlib.pyplot as plt

# Valeurs pour l'exemple.
x = [3, 1, 4, 6, 7]
y = [2, 4, 7, 5, 4]

# Tracé.
plt.scatter(x, y)
plt.show()

ladatascience

# Importations.
import matplotlib.pyplot as plt

# Valeurs pour l'exemple.
x = [4, 1, 3, 5, 6]
y = [2, 7, 2, 9, 5]

# Tracé.
plt.scatter(x, y)

ladatascience

import plotly.io as pio
# La ligne suivante assure que les sorties de plotly fonctionnent dans différents endroits.
pio.renderers.default = "plotly_mimetype+notebook"

ladatascience

value = 7 / 3
print(f"{value:.2e}")

>>> 4.29e-01

ladatascience

import torch

max_tensor = torch.maximum(x1, x2) # où x1 et x2 sont deux tenseurs que vous avez définis au préalable.

ladatascience

cp <FICHIER_SOURCE> <FICHIER_DESTINATION>

# Exemple: cp dossier_source/fichier.txt dossier_destination/fichier.txt

ladatascience

my_variable = 1 # on a une variable my_variable à laquelle on affecte une valeur quelconque, ici 1.
variable_name = f"{a=}"[:-2]

# variable_name est le nom de notre variable, en l'occurrence, il s'agit de la chaîne de caractères "my_variable".

ladatascience

import requests

r = requests.get(url) # où url est votre lien.
with open(file_name, "wb") as file: # où file_name est le nom du fichier que vous voulez créer.
  file.write(r.content)

ladatascience

frequencies = df.value_counts(subset=column_name)

# df est une dataframe que vous avez pré-définie
# column_name est le nom de la colonne dont vous comptez les occurrences de chaque valeur
# frequencies est une dataframe qui indique le nombre d'occurrences des valeurs de column_name

# Pour accéder précisément au nombre d'occurrences d'une valeur de column_name, utiliser la ligne suivante:

value = df.value_counts(subset=column_name)[value_name]