ladatascience ladatascience

## create-conda-environment
conda create --name <NOM DE L'ENVIRONNEMENT>

# Par exemple, si on veut créer un environnement "venvconda" (pour virtual environment Anaconda), on fera:
# conda create --name venvconda

## where-python
where python

# Par exemple, ceci peut retourner:
# C:\ProgramData\Anaconda3\python.exe
C:\Users\<NOM D'UTILISATEUR>\AppData\Local\Microsoft\WindowsApps\python.exe

## python-version
python --version

# Peut retourner par exemple:
# Python 3.9.7

## clone-repository
git clone https://github.com/<UTILISATEUR>/<DEPOT>

# Remplacer <UTILISATEUR> par le nom de l'utilisateur à qui appartient le dépôt.
# Remplacer <DEPOT> par le nom du dépôt.

# Par exemple, l'instruction suivante permet de cloner le dépôt "example-repository" de l'utilisateur "ladatascience":
# git clone https://github.com/ladatascience/example-repository

## make-regression-dataset.py
from sklearn.datasets import make_regression

X, Y, coef = make_regression(
                        n_samples=200, # Nombre d'échantillons retournés.
                        n_features=1, # Nombre de features retournés pour chacun des échantillons.
                        n_informative=1, # Nombre de features utilisés pour générer le dataset.
                        n_targets=1, # Nombre de variables à prédire.
                        bias=-2, # Biais.
                        noise=1, # Ecart-type du bruit gaussien rajouté au Y généré.
                        coef=True, # Indique si l'on veut retourner le coefficient directeur.

## raise-warnings.py
import warnings
warnings.filterwarnings("error")

# Placer le code ci-dessous au début de votre code Python.
# Vous pouvez maintenant utiliser la structure en
# try:
#   # faire quelque chose
# except:
#   # faire une chose différente
# pour gérer votre warning.

## change-index.py
df = df.set_index("date")

# Supposons que l'on dispose d'une dataframe df déjà définie.
# La ligne ci-dessus affecte les valeurs de la colonne "date" de df à son index.

## columns-list-dataframe.py
columns = list(df.columns.values)

# où df est une dataframe définie au préalable.

## iterate-columns-dataframe.py
for column in df:
  # faire quelque chose.

## delete-column-dataframe.py
df = df.drop(["pays", "ville"], axis=1)

# La ligne ci-dessus supprime les colonnes "pays" et "ville" d'une dataframe df qui contiendrait de telles colonnes.
# Modifiez la liste passée en argument de drop pour supprimer les colonnes que vous voulez de votre dataframe.
	conda create --name <NOM DE L'ENVIRONNEMENT>

	# Par exemple, si on veut créer un environnement "venvconda" (pour virtual environment Anaconda), on fera:
	# conda create --name venvconda
	where python

	# Par exemple, ceci peut retourner:
	# C:\ProgramData\Anaconda3\python.exe
	C:\Users\<NOM D'UTILISATEUR>\AppData\Local\Microsoft\WindowsApps\python.exe
	git clone https://github.com/<UTILISATEUR>/<DEPOT>

	# Remplacer <UTILISATEUR> par le nom de l'utilisateur à qui appartient le dépôt.
	# Remplacer <DEPOT> par le nom du dépôt.

	# Par exemple, l'instruction suivante permet de cloner le dépôt "example-repository" de l'utilisateur "ladatascience":
	# git clone https://github.com/ladatascience/example-repository
	from sklearn.datasets import make_regression

	X, Y, coef = make_regression(
	n_samples=200, # Nombre d'échantillons retournés.
	n_features=1, # Nombre de features retournés pour chacun des échantillons.
	n_informative=1, # Nombre de features utilisés pour générer le dataset.
	n_targets=1, # Nombre de variables à prédire.
	bias=-2, # Biais.
	noise=1, # Ecart-type du bruit gaussien rajouté au Y généré.
	coef=True, # Indique si l'on veut retourner le coefficient directeur.
	import warnings
	warnings.filterwarnings("error")

	# Placer le code ci-dessous au début de votre code Python.
	# Vous pouvez maintenant utiliser la structure en
	# try:
	# # faire quelque chose
	# except:
	# # faire une chose différente
	# pour gérer votre warning.
	df = df.set_index("date")

	# Supposons que l'on dispose d'une dataframe df déjà définie.
	# La ligne ci-dessus affecte les valeurs de la colonne "date" de df à son index.
	columns = list(df.columns.values)

	# où df est une dataframe définie au préalable.