Skip to content
Open
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
10 changes: 5 additions & 5 deletions lectures/pandas_panel.md
Original file line number Diff line number Diff line change
Expand Up @@ -82,7 +82,7 @@ Des détails supplémentaires seront ajoutés à notre `DataFrame` en utilisant
Nous allons lire un ensemble de données de l'OCDE des salaires minimums réels dans 32
pays et l'assigner à `realwage`.

L'ensemble de données est accessible via le lien suivant :
L'ensemble de données est accessible via le lien suivant :

```{code-cell} ipython3
url1 = 'https://github.com/QuantEcon/data-lectures/raw/main/lectures/realwage.csv'
Expand Down Expand Up @@ -200,7 +200,7 @@ En utilisant les informations sur les pays de
[WorldData.info](https://www.worlddata.info/downloads/), nous ajouterons
le continent de chaque pays à `realwage_f` avec la fonction `merge`.

L'ensemble de données est accessible via le lien suivant :
L'ensemble de données est accessible via le lien suivant :

```{code-cell} ipython3
url2 = 'https://github.com/QuantEcon/data-lectures/raw/main/lectures/countries.csv'
Expand Down Expand Up @@ -234,7 +234,7 @@ realwage_f.transpose().head()
```

Nous pouvons utiliser une jointure left, right, inner ou outer pour fusionner nos
ensembles de données :
ensembles de données :

* la jointure left n'inclut que les pays de l'ensemble de données de gauche
* la jointure right n'inclut que les pays de l'ensemble de données de droite
Expand Down Expand Up @@ -278,7 +278,7 @@ colonne continent et filtrer le dataframe fusionné
merged[merged['Continent'].isnull()]
```

Nous avons trois valeurs manquantes !
Nous avons trois valeurs manquantes !

Une option pour traiter les valeurs NaN consiste à créer un dictionnaire contenant
ces pays et leurs continents respectifs.
Expand Down Expand Up @@ -508,7 +508,7 @@ D'autres outils qui peuvent être utiles dans l'analyse des données de panel co
Dans ces exercices, vous travaillerez avec un ensemble de données de taux
d'emploi en Europe par âge et par sexe provenant d'[Eurostat](https://ec.europa.eu/eurostat/data/database).

L'ensemble de données est accessible via le lien suivant :
L'ensemble de données est accessible via le lien suivant :

```{code-cell} ipython3
url3 = 'https://github.com/QuantEcon/data-lectures/raw/main/lectures/employ.csv'
Expand Down
Loading