diff --git a/Tutoriel-geoparsing.ipynb b/Tutoriel-geoparsing.ipynb
index 4e204c958ed305e152c44bf7fb2422dabe4573f4..5f81afae5cce877fbfe6ea0a4ed4e5a6fbbca7bb 100644
--- a/Tutoriel-geoparsing.ipynb
+++ b/Tutoriel-geoparsing.ipynb
@@ -179,7 +179,7 @@
},
{
"cell_type": "code",
- "execution_count": 7,
+ "execution_count": 5,
"metadata": {},
"outputs": [],
"source": [
@@ -196,7 +196,7 @@
},
{
"cell_type": "code",
- "execution_count": 23,
+ "execution_count": 6,
"metadata": {},
"outputs": [
{
@@ -228,14 +228,14 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "On remarque que certaines colonnes ont une données manquantes (3384 lignes non nulles contre 3385 lignes au total). Pour la suite des opérations que nous allons réaliser il est nécessaire de supprimer les lignes incomplètes.\n",
+ "On remarque que certaines colonnes ont une donnée manquante (3384 lignes non nulles contre 3385 lignes au total). Pour la suite des opérations que nous allons réaliser il est nécessaire de supprimer les lignes incomplètes.\n",
"\n",
"* Supprimer la ligne incomplète :"
]
},
{
"cell_type": "code",
- "execution_count": 25,
+ "execution_count": 7,
"metadata": {},
"outputs": [],
"source": [
@@ -251,7 +251,7 @@
},
{
"cell_type": "code",
- "execution_count": 26,
+ "execution_count": 8,
"metadata": {},
"outputs": [
{
@@ -288,7 +288,7 @@
},
{
"cell_type": "code",
- "execution_count": 27,
+ "execution_count": 9,
"metadata": {},
"outputs": [
{
@@ -392,7 +392,7 @@
"4 Diderot * FRONTIERE, s. f. (Géog.) se dit des limites,... "
]
},
- "execution_count": 27,
+ "execution_count": 9,
"metadata": {},
"output_type": "execute_result"
}
@@ -417,7 +417,7 @@
},
{
"cell_type": "code",
- "execution_count": 28,
+ "execution_count": 10,
"metadata": {},
"outputs": [
{
@@ -442,7 +442,7 @@
"\n",
"Maintenant que les données sont chargées dans un dataframe, nous pouvons sélectionner des groupes d'articles sur la base de leurs métadonnées.\n",
"\n",
- "Par exemple, nous pouvons filtrer les données sur la base de l'auteur.\n",
+ "Pour cela on utilise la méthode [loc()](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html).\n",
"\n"
]
},
@@ -450,12 +450,116 @@
"cell_type": "markdown",
"metadata": {},
"source": [
+ "* Selectionner la ligne du dataframe qui correspond à l'article 'FRONTIGNAN' :"
+ ]
+ },
+ {
+ "cell_type": "code",
+ "execution_count": 11,
+ "metadata": {},
+ "outputs": [
+ {
+ "data": {
+ "text/html": [
+ "<div>\n",
+ "<style scoped>\n",
+ " .dataframe tbody tr th:only-of-type {\n",
+ " vertical-align: middle;\n",
+ " }\n",
+ "\n",
+ " .dataframe tbody tr th {\n",
+ " vertical-align: top;\n",
+ " }\n",
+ "\n",
+ " .dataframe thead th {\n",
+ " text-align: right;\n",
+ " }\n",
+ "</style>\n",
+ "<table border=\"1\" class=\"dataframe\">\n",
+ " <thead>\n",
+ " <tr style=\"text-align: right;\">\n",
+ " <th></th>\n",
+ " <th>filename</th>\n",
+ " <th>volume</th>\n",
+ " <th>number</th>\n",
+ " <th>head</th>\n",
+ " <th>normClass</th>\n",
+ " <th>author</th>\n",
+ " <th>text</th>\n",
+ " </tr>\n",
+ " </thead>\n",
+ " <tbody>\n",
+ " <tr>\n",
+ " <th>5</th>\n",
+ " <td>volume07-1002.tei</td>\n",
+ " <td>7</td>\n",
+ " <td>1002</td>\n",
+ " <td>FRONTIGNAN</td>\n",
+ " <td>Géographie</td>\n",
+ " <td>Jaucourt</td>\n",
+ " <td>FRONTIGNAN, (Géog.) petite ville de France. au...</td>\n",
+ " </tr>\n",
+ " </tbody>\n",
+ "</table>\n",
+ "</div>"
+ ],
+ "text/plain": [
+ " filename volume number head normClass author \\\n",
+ "5 volume07-1002.tei 7 1002 FRONTIGNAN Géographie Jaucourt \n",
+ "\n",
+ " text \n",
+ "5 FRONTIGNAN, (Géog.) petite ville de France. au... "
+ ]
+ },
+ "execution_count": 11,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
+ "source": [
+ "frontignan = data_artfl.loc[data_artfl['head'] == 'FRONTIGNAN']\n",
+ "frontignan "
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "* Récupérer les valeurs des attributs (colonnes) :"
+ ]
+ },
+ {
+ "cell_type": "code",
+ "execution_count": 18,
+ "metadata": {},
+ "outputs": [
+ {
+ "name": "stdout",
+ "output_type": "stream",
+ "text": [
+ "filename : volume07-1002.tei\n",
+ "text : FRONTIGNAN, (Géog.) petite ville de France. au Bas-Languedoc, connue par ses excellens vins muscats, & ses raisins de caisse qu'on appelle passerilles. Quelques savans croyent, sans en donner de preuves, que cette ville est le forum Domitii des Romains. Elle est située sur l'étang de Maguelone, à six lieues N. E. d'Agde, & cinq S. O. de Montpellier. Long. 15d. 24'. lat. 43d. 28'. (D. J.)\n"
+ ]
+ }
+ ],
+ "source": [
+ "print('filename :', frontignan.filename.item()) # similaire à frontignan['normClass'].item()\n",
+ "\n",
+ "print('text :', frontignan.text.item())\n"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "Nous pouvons également filtrer les données sur la base de l'auteur.\n",
+ "\n",
"* Extraire les articles rédigés par Jaucourt :"
]
},
{
"cell_type": "code",
- "execution_count": 29,
+ "execution_count": 19,
"metadata": {},
"outputs": [
{
@@ -476,7 +580,7 @@
},
{
"cell_type": "code",
- "execution_count": 30,
+ "execution_count": 20,
"metadata": {},
"outputs": [
{
@@ -587,7 +691,7 @@
"38 Fruit, (art de conserver le) Economie rustiq. ... "
]
},
- "execution_count": 30,
+ "execution_count": 20,
"metadata": {},
"output_type": "execute_result"
}
@@ -608,7 +712,7 @@
},
{
"cell_type": "code",
- "execution_count": 31,
+ "execution_count": 21,
"metadata": {},
"outputs": [
{
@@ -631,14 +735,14 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "On peut également regrouper les données selon un ou plusieurs attribut (colonnes) et compter le nombre de données de chaque groupe.\n",
+ "On peut également regrouper les données selon un ou plusieurs attributs (colonnes) et compter le nombre de données de chaque groupe avec les méthodes [groupby()](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.groupby.html) et [count()](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.count.html).\n",
"\n",
"* Afficher le nombre d'articles classés en Géographie par auteur :"
]
},
{
"cell_type": "code",
- "execution_count": 33,
+ "execution_count": 22,
"metadata": {},
"outputs": [
{
@@ -656,7 +760,7 @@
"Name: filename, dtype: int64"
]
},
- "execution_count": 33,
+ "execution_count": 22,
"metadata": {},
"output_type": "execute_result"
}
@@ -668,26 +772,8 @@
{
"cell_type": "markdown",
"metadata": {},
- "source": []
- },
- {
- "cell_type": "code",
- "execution_count": 38,
- "metadata": {},
- "outputs": [
- {
- "data": {
- "text/plain": [
- "\"FRONTIGNAN, (Géog.) petite ville de France. au Bas-Languedoc, connue par ses excellens vins muscats, & ses raisins de caisse qu'on appelle passerilles. Quelques savans croyent, sans en donner de preuves, que cette ville est le forum Domitii des Romains. Elle est située sur l'étang de Maguelone, à six lieues N. E. d'Agde, & cinq S. O. de Montpellier. Long. 15d. 24'. lat. 43d. 28'. (D. J.)\""
- ]
- },
- "execution_count": 38,
- "metadata": {},
- "output_type": "execute_result"
- }
- ],
"source": [
- "data_artfl.loc[data_artfl['head'] == 'FRONTIGNAN'].text.item()"
+ "Dans cette partie nous avons vu brievement comment manipuler un dataframe pour selectionner certaines données en filtrant selon certaines métadonnées ou par une recheche par mot clés. Ces opérations sont utiles mais un peu limitées, nous allons voir dans la suite de ce notebook comment enrichir les métadonnées et en particulier comment annoter les entités nommées présents dans les textes."
]
},
{