Skip to content
Snippets Groups Projects

Compare revisions

Changes are shown as if the source revision was being merged into the target revision. Learn more about comparing revisions.

Source

Select target project
No results found

Target

Select target project
  • Anh.Nguyen2/sffs_elasticsearch
1 result
Show changes
Commits on Source (2)
......@@ -250,14 +250,17 @@ Une fois l'importation terminée, vous cliquez sur le boutton **import** en bas
![import3](images/import3.png)
#### Q9. 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 l'âge
#### Q9. 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 de tout le monde
**Note** Vous pouvez utiliser "size" : 0 dans chaque requête, sinon le résultat contient le détail des données.
#### Q10. 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
#### Q10. 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 solde moyenne pour chaque groupe
#### Q11. Grouper la ville et le sexe et calculer le salaire moyenne pour chaque groupe.
#### Q11. Grouper la ville et le sexe et calculer le solde moyenne pour chaque groupe
#### Q12. Chercher la femme de l'âge entre 30 et 40 ans, le solde moyenne et le solde maximum
#### Q13. Chercher dans les villes Rennes et Paris, de personne de l'âge de 30 à 40 ans, pour chaque ville et chaque sexe, le solde moyenne et l'âge moyenne (Indice: On peux utliser la bool requête)
#### Q12. 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
......