Voici un cheatsheet pour la gestion des données JSON avec Python, en utilisant les bibliothèques json et pandas. Chargement de données JSON import jsonimport pandas as pd# Lire un fichier JSONwith open(‘path/to/your/file.json’, ‘r’) as f: data = json.load(f)# Afficher le contenu du fichier JSONprint(data) Conversion de JSON en DataFrame # Lire la suite…
Voici un guide complet pour la gestion des listes en Python : Création et manipulation des listes # Créer une listema_liste = [1, 2, 3, 4, 5]# Ajouter un élément à la fin de la listema_liste.append(6)# Ajouter un élément à une position spécifiquema_liste.insert(2, 2.5) # Insère 2.5 à l’indice 2# Lire la suite…
Voici un cheatsheet pour l’utilisation de scikit-learn en Python, couvrant les étapes essentielles de l’importation des données à l’évaluation des modèles. Installation de scikit-learn # Installer scikit-learn (si ce n’est pas déjà fait)!pip install scikit-learn Importation des bibliothèques import pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import Lire la suite…
Installation des bibliothèques # Installer les bibliothèques nécessaires (si ce n’est pas déjà fait)!pip install matplotlib pandas Importation des bibliothèques import matplotlib.pyplot as pltimport pandas as pd Création de graphiques de base Graphique en lignes # Créer un graphique en lignesplt.figure(figsize=(10, 5))plt.plot(df[‘date’], df[‘value’], label=’Valeur’)plt.xlabel(‘Date’)plt.ylabel(‘Valeur’)plt.title(‘Graphique en lignes’)plt.legend()plt.show() Histogramme # Créer un Lire la suite…
Voici une cheatsheet pour l’utilisation de BeautifulSoup en Python pour l’extraction et la manipulation des données HTML : Installation de BeautifulSoup pip install beautifulsoup4pip install lxml # Parser recommandé Importer BeautifulSoup from bs4 import BeautifulSoupimport requests Charger et parser une page HTML # À partir d’une chaîne de caractères HTMLhtml_doc Lire la suite…
Chargement de données import pandas as pd# Lire un fichier CSVdf = pd.read_csv(csv_file_path, sep=’,’) Manipulation de colonnes # Retirer une colonnedf_sans_colonne2 = df.drop(columns=’colonne2′)# Retirer plusieurs colonnesdf_sans_colonnes23 = df.drop(columns=[‘colonne2’, ‘colonne3’])# Ajouter une colonnedf[‘Date’] = today# Renommer une colonnedf_renomme = df.rename(columns={‘ancien_nom’: ‘nouveau_nom’})# Ajouter une colonne calculéedf[‘containsCategory’] = df[‘decodedURL’].apply(contains_category_in_url) Manipulation de lignes # Lire la suite…
En SEO, les redirections sont un sujet important à prendre en compte car une mauvaise gestion de ces dernière peut freiner la transmission de PageRank. Une des problématiques, qu’on ne peut voit pas toujours à l’œil nu, c’est le cas où plusieurs redirections s’effectuent successivement. L’impact SEO Google va suivre Lire la suite…