tp

README.md

@@ -240,6 +240,27 @@ Résultat attendu
 #### Q9. Calculer la proportion de personnes dont le solde est strictement inférieur à 1000
 (pas sur pour cette question)
 
+
+Vous allez importer le fichier **account.json** dans kibana. Vous suivez les étape suivantes.
+Vous cherchez **Integrations** dans le cosole et puis **Upload a file**.
+![import1](images/import1.png)
+
+Vous ajoutez le fichier **account.json**.
+![import2](images/import2.png)
+
+Une fois vous avez finit l'importer, vous cliquez sur le boutton **import** en bas à gauche. Vous donnez un nom au champs **index name**. Attention, vous utilizerez ce nom pour le tp suivant.
+![import3](images/import3.png)
+
+
+#### Q1. Grouper par l'âge de 20 à 30 ans, l'âge de 30 à 40 ans et l'âge plus de 40 ans et calculer l'âge moyenne
+**Note**  On utilise **ranges** aggregation pour grouper par l'âge
+
+#### Q2. Grouper par l'âge de 20 à 30 ans, l'âge de 30 à 40 ans et l'âge plus de 40 ans et calculer le salaire moyenne pour chaque groupe
+
+#### Q3. Grouper la ville et le sexe et calculer le salaire moyenne pour chaque groupe.
+
+#### Q4. Filter les villes Rennes et Paris, grouper par la ville et le sexe, calculer le salaire moyenne pour chaque groupe.
+
 ## Partie 2 : Elasticsearch Client sur Python
 
 Pour cette partie là, on exploitera comment intéragir avec Elasticsearch sur Python. Vous pouvez utiliser IDE comme vous voulez.  
@@ -296,23 +317,4 @@ La table finale appelé "tweets" est créé en mergent les 2 tables précédente
 #### Q4. Injection les données dans Elasticsearch
 
 
-## Partie 3 : Agrégation de données et visualisation dans Kibana
-Dans cette partie, vous allez d'abord importer le fichier account.json dans kibana. Vous suivez les étape suivante.
-Vous cherchez **Integrations** dans le cosole et puis **Upload a file**.
-![import1](images/import1.png)
-
-Vous ajouter le fichier **account.json**.
-![import2](images/import2.png)
-
-Une fois vous avez finit l'importer, vous cliquez sur le boutton **import** en bas à gauche. Vous donnez un nom au champs **index name**. Attention, vous utilizerez ce nom pour le tp suivant.
-![import3](images/import3.png)
-
-
-#### Q1. Grouper par l'âge de 20 à 30 ans, l'âge de 30 à 40 ans et l'âge plus de 40 ans et calculer l'âge moyenne
-**Note**  On utilise **ranges** aggregation pour grouper par l'âge
-
-#### Q2. Grouper par l'âge de 20 à 30 ans, l'âge de 30 à 40 ans et l'âge plus de 40 ans et calculer le salaire moyenne pour chaque groupe
-
-#### Q3. Grouper par l'âge et le sexe et calculer le salaire moyenne pour chaque groupe.
-
-#### Q4. Grouper par ville et calculer le salaire moyenne et l'âge moyenne pour chaque groupe.
\ No newline at end of file
+## Partie 3 : Agrégation de données et visualisation dans Kibana
\ No newline at end of file