update

README.md

@@ -263,7 +263,7 @@ Une fois l'importation terminée, vous cliquez sur le boutton **import** en bas
 
 Pour cette deuxième partie, on exploitera comment intéragir avec Elasticsearch sur Python. Le code est fourni dans fichier "ConnectorES.ipynb"   
 **Note** : à part d'Elasticsearch, on a également besoin de librairie pandas
-#### Q1. Installer Elasticsearch et l'importer dans Python
+#### Étape 1. Installer Elasticsearch et l'importer dans Python
 
 >pip3 install elasticsearch
 
@@ -277,7 +277,7 @@ print (elasticsearch.VERSION)
 ```
 
 Si vous avez installé l'ES selons les étapes précédemment dans ce TP, la version sera 8.6.0. 
-#### Q2. Connecter avec le server Elasticsearch
+#### Étape 2. Connecter avec le server Elasticsearch
 ``` bash
 ELASTIC_PASSWORD = {Votre password}  
 client = Elasticsearch(  
@@ -298,11 +298,11 @@ Vous pouvez également récupérer les données qu'on a créé dans la 1ère par
 client.search(index='customer',body={"query": {"match_all": {}}})
 ```
 
-#### Q3. Traitement les données
+#### Étape 3. Traitement les données
 Pour la suite de TP, nous vous donnons un dataset rassemble 5 000 tweets contenant "grève" dans un rayon de 800 km autour de Paris, de la pérode 19/01/2023 - 26/01/2023, Dans cette question, nous avons besoin de nettoyer les données avant de les injecter dans Elasticsearch, le code pour la nettoyage est prêt, lancez et observez les données. Essayez à répondre les questions suivantes.  
 
 
 
-#### Q4. Trouvez les tweets avec le plus de likes
-#### Q5. Trouver l'ID user qui a plus de followers
-#### Q6. Trouver le nombre de twitteurs (les personnes qui ont publié du tweet) par ville (utiliser aggregation & term)
+#### Q1. Trouvez les tweets avec le plus de likes
+#### Q2. Trouver l'ID user qui a plus de followers
+#### Q3. Trouver le nombre de twitteurs (les personnes qui ont publié du tweet) par ville (utiliser aggregation & term)