| ... | ... | @@ -26,10 +26,11 @@ Si vous voulez le faire "à la main", vous trouverez en commentaire plusieurs ma |
|
|
|
ligne_dateTPQ = "01/04/2000;9,3;49;8,6"
|
|
|
|
```
|
|
|
|
|
|
|
|
Comme dans la partie A, le découpage se fait avec l'instruction "split". La date est le premier de ces éléments, qui est comme les autres une chaîne de caractères (string), à convertir en date. Le plus simple est de "re-splitter" avec comme argument le séparateur "/". On peut en profiter pour s'exercer sur les **tuples** (notions que l'on reverra plus loin)
|
|
|
|
Comme dans la partie A, le découpage se fait avec l'instruction "split". Par défaut, le découpage se fait selon les "blancs" (espaces, tabulations...). La date est le premier de ces éléments, qui est comme les autres une chaîne de caractères (string). Pour en extraire les informations, le plus simple est de "re-splitter" avec comme argument le séparateur "/". On passe ensuite les éléments de la date, convertis en entiers, dans le bon ordre.
|
|
|
|
On peut profiter de cet exercice pour s'exercer sur les **tuples** (notions que l'on reverra plus loin)
|
|
|
|
|
|
|
|
```python
|
|
|
|
|
|
|
|
# récupération des jour, mois année dans une chaîne de caractères de format connu
|
|
|
|
jma = "01/04/2000".split('/') # jma est donc une liste de strings ['01', '04', '2000']
|
|
|
|
j, m, a = jma # unpacking : en une seule opération on affecte j= '01', m='04', a = '2000'
|
|
|
|
# on pourrait même écrire directement
|
| ... | ... | @@ -117,7 +118,7 @@ ax_q.plot(liste_dates, DF_TD4[etiquette_debit].tolist(), marker='>', color='blue |
|
|
|
|
|
|
|
Les messages essentiels sont :
|
|
|
|
|
|
|
|
* même si le mot-clé "plt" permet en général de déclencher les bonnes instructions (façon de faire inspirée de matlab) , il est plus rigoureux d'utiliser la syntaxe orientée objet. Il est possible de nommer les objets (fig, ax, et même les courbes si besoin) ce qui facilite les actions, et donne davantage de contrôle (fig.legend() n'est pas la même chose que ax.legend()). Attention, les méthodes de la la classe Axes sont parfois différentes : on va écrire par exemple: plt.xlabel() → ax.set_xlabel() ; plt.ylabel() → ax.set_ylabel() plt.xlim() → ax.set_xlim() ; plt.ylim() → ax.set_ylim() plt.title() → ax.set_title() ["matplotlib gotchas" dans le livre de JVanderPlas](https://www.oreilly.com/library/view/python-data-science/9781491912126/ch04.html)
|
|
|
|
* le mot-clé "plt" permet en général de déclencher les bonnes instructions (façon de faire inspirée de matlab), mais il est plus rigoureux d'utiliser la syntaxe orientée objet. Il est possible de nommer les objets (fig, ax, et même les courbes si besoin) ce qui facilite les actions, et donne davantage de contrôle (fig.legend() n'est pas la même chose que ax.legend()). Attention, les méthodes de la la classe Axes sont parfois différentes : on va écrire par exemple: plt.xlabel() → ax.set_xlabel() ; plt.ylabel() → ax.set_ylabel() plt.xlim() → ax.set_xlim() ; plt.ylim() → ax.set_ylim() plt.title() → ax.set_title() ["matplotlib gotchas" dans le livre de JVanderPlas](https://www.oreilly.com/library/view/python-data-science/9781491912126/ch04.html)
|
|
|
|
|
|
|
|
On met donc en pratique sur ce graphique deux notions importantes :
|
|
|
|
|
| ... | ... | @@ -183,4 +184,4 @@ C'est encore un bon exemple de la difficulté de trouver des informations : à p |
|
|
|
|
|
|
|
(éléments développés actuellement dans une autre page)
|
|
|
|
|
|
|
|
\[Retour à la page principale\] |
|
|
\ No newline at end of file |
|
|
|
[Retour à la page principale](Home) |
|
|
\ No newline at end of file |
