Tu notes Czero2 et pas CO2

Le nombre de lignes dépend de l'observatoire, on retrouve bien 593 pour brw et mlo mais 588 pour smo et spo.

Je n'ai que 19 colonnes quand je lis initialement les fichiers.

Il me manque un titre, je le rajouterai pour la semaine pro.

Tu m'as conseillé .resample() de pandas pour avoir les données de Mauna Loa lissée, mais .groupby().mean() marche tout aussi bien non?

On avait les valeurs de -800,000 à 1813 et 1000 à maintenant. Donc je dois les ordonner sinon plot va relier les données bizaremment.

Je divise par 1000 pour avoir le même format que le graphique que je devais reproduire.

C'est le même graphique que précédemment, juste on a de nouvelles légendes. Tu le veux quand même ou c'est redondant ?

J'avais en effet mal compris les données, ce problème est réglé maintenant, les valeurs d'années sont bonnes.

En mettant les valeurs dans le même dataframe, je perds la couleur selon la provenance des données. A priori je peux bidouiller pour l'obtenir à nouveau, mais est-ce nécessaire?

J'obtiens des exponentielles quasi droites, est-ce vraiment intéressant ou est-ce que je l'enlève ?

Comme ils sont tous ensemble, c'est tout tassé on ne voit pas très bien. Je n'étais pas sûre de comment l'améliorer.

J'ai scrap la fonction pour trouver le nom, dans un fichier il n'y aura qu'un seul code, donc je regarde celui de la première ligne et avec le dictionnaire j'ai directement son nom (pas besoin de mapping de dictionnaire).

Comme ça on a accès à tout, est-ce que je dois le commenter ou je peux laisser à l'interprétation ?

J'ai mis des bullets pour séparer les deux étapes, est-ce assez ?

La valeur par défaut est bien -999.99, mais dans leur fichier elle est noté -999.999. Ici je l'ai effacé pour que ce soit logique mais est ce que je dois le préciser ?

affiche un tableau mais ici ça ne fonctionne pas, à regarder directement sur jupyter.

J'étais pas sure de comment le dire autrement.