Notebooks Coverage

Report on last executions.

97% 2019-01-18

_images/nbcov-2019-01-18.png
index coverage exe time last execution name title success time nb cells nb runs nb valid
0 100% 3.482 2019-01-18 decouverte/pandas_start.ipynb DataFrames Pandas True 5.116 33 33 33
1 100% 0.001 2019-01-18 examen/enonce_2017.ipynb Evaluation Python année 2016-2017 - énoncé True 1.038 10 10 10
2 93% 9.236 2019-01-18 examen/solution_2016.ipynb Solution - énoncé avril 2016 True 11.069 15 14 14
3 100% 17.287 2019-01-18 examen/solution_2017.ipynb Evaluation Python année 2016-2017 - solution True 19.109 70 70 70
4 100% 0.415 2019-01-18 exemples/basic_example.ipynb Exemple de notebooks True 2.048 4 4 4
5 100% 0.818 2019-01-18 exemples/tables_avec_guillemets.ipynb Tables avec guillemets True 2.069 9 9 9
6 100% 2.887 2019-01-18 exercices/pyramide_bigarree.ipynb Tracer une pyramide bigarrée True 4.050 11 11 11
7 0% nan   internet/wikipedia_stats_correction.ipynb Statistiques Wikipedia - énoncé   nan 11 0  
8 0% nan   internet/wikipedia_stats_correction2.ipynb Statistiques Wikipedia - correction (live)   nan 10 0  
9 100% 24.723 2019-01-11 internet/wikipedia_stats_enonce.ipynb Statistiques Wikipedia - énoncé True 26.098 8 8 8
10 100% 17.174 2019-01-18 nlp/reconstruction_synonymes_correction.ipynb Reconstruction de synonymes - correction True 19.079 35 35 35
11 100% 14.131 2019-01-18 nlp/reconstruction_synonymes_enonce.ipynb Reconstruction de synonymes - énoncé True 15.085 15 15 15
12 100% 69.924 2019-01-18 sessions/2017_session6.ipynb Session 26/6/2017 - machine learning True 71.133 53 53 53
13 100% 12.421 2019-01-11 sessions/bigdata_ways.ipynb Séance big data True 14.129 43 43 43
14 100% 17.852 2019-01-18 sessions/election_carte_electorale.ipynb Elections et cartes électorales - énoncé True 19.142 28 28 28
15 100% 442.909 2019-01-11 sessions/election_carte_electorale_correction.ipynb Elections et cartes électorales - correction True 444.657 120 120 120
16 100% 33.819 2019-01-18 sessions/population_recuperation_donnees.ipynb Récupération des données True 35.126 16 16 16
17 100% 11.122 2019-01-18 sessions/seance4_projection_population_correction.ipynb Evoluation d’une population (correction) True 12.138 33 33 33
18 100% 0.091 2019-01-18 sessions/seance4_projection_population_enonce.ipynb Evoluation d’une population - énoncé True 1.041 2 2 2
19 100% 0.664 2019-01-18 sessions/seance5_approche_fonctionnelle_correction.ipynb Données, approches fonctionnelles - correction True 2.057 6 6 6
20 94% 71.807 2019-01-18 sessions/seance5_approche_fonctionnelle_enonce.ipynb Données, approches fonctionnelles - énoncé True 73.188 34 32 32
21 100% 38.454 2019-01-18 sessions/seance5_cube_multidimensionnel_correction.ipynb Cube multidimensionnel - correction True 40.143 8 8 8
22 100% 42.651 2019-01-18 sessions/seance5_cube_multidimensionnel_enonce.ipynb Cube multidimensionnel - énoncé True 44.164 33 33 33
23 100% 48.705 2019-01-18 sessions/seance5_sql_multidimensionnelle_correction.ipynb Données multidimensionnelles SQL - correction True 50.111 18 18 18
24 100% 51.431 2019-01-18 sessions/seance5_sql_multidimensionnelle_enonce.ipynb Données multidimensionnelles SQL - énoncé True 53.271 35 35 35
25 100% 10.533 2019-01-11 sessions/seance6_graphes_correction.ipynb Graphes - correction True 12.056 29 29 29
26 100% 27.844 2019-01-11 sessions/seance6_graphes_enonce.ipynb Graphes - énoncé True 29.121 49 49 49
27 100% 5.162 2019-01-18 sessions/seance6_graphes_ml_correction.ipynb Graphes en machine learning - correction True 6.082 11 11 11
28 100% 181.998 2019-01-11 sessions/seance6_graphes_ml_enonce.ipynb Graphes en machine learning - énoncé True 183.285 88 88 88
_images/nbcov.png