Utilise un shortcode github (#131)

* try shortcode github

* Automated changes

* des modifs

* Automated changes

content/course/_index.md

@@ -10,7 +10,7 @@ linktitle: Homepage
 
 Sur l'ensemble du site web,
 il est possible de cliquer sur la petite icone
-<a href="https://github.com/linogaliana/python-datascientist" class="github"><i class="fab fa-github"></i></a>
+{{< githubrepo >}}
 pour être redirigé vers le dépôt. Pour visualiser sous une forme plus
 ergonomique les notebooks (fichiers `.ipynb`)
 que ne le permet ce site *web*, vous trouverez

content/course/git/exogit.Rmd

@@ -45,8 +45,7 @@ de développeurs `Python` et `R` (ce qui est important dans des domaines comme
 le code où les externalités de réseau jouent). Le débat `Github` vs `Gitlab` n'a
 plus beaucoup de sens aujourd'hui car les fonctionalités ont convergé (`Github` 
 a rattrapé une partie de son retard sur l'intégration continue) et, de toute
-manière, on peut tout à fait connecter des dépôts Gitlab et Github (c'est le cas
-du dépôt source <a href="https://github.com/linogaliana/python-datascientist" class="github"><i class="fab fa-github"></i></a> et <a href="https://gitlab.com/linogaliana/python-datascientist" class="github"><i class="fab fa-gitlab"></i></a> de ce cours). 
+manière, on peut tout à fait connecter des dépôts Gitlab et Github. 
 
 ### Pratique en local
 

content/course/git/introgit.Rmd

@@ -112,7 +112,7 @@ en continu permettent ainsi de:
 * rendre visible la qualité d'un projet avec des services de *code coverage*, 
 de tests automatiques ou d'environnements intégrés de travail (binder, etc.)
 qu'on rend généralement visible au moyen de badges
-(exemple ici <a href="https://github.com/linogaliana/python-datascientist" class="github"><i class="fab fa-github"></i></a>)
+(exemple ici {{< githubrepo >}})
 
 
 ### Comment faire du contrôle de version ?

content/course/manipulation/02a_pandas_tutorial.Rmd

@@ -985,15 +985,11 @@ Le fait de passer d'un format *wide* au format *long* (ou vice-versa) peut être
 certaines fonctions sont plus adéquates sur une forme de données ou sur l'autre.
 En règle générale, avec `python` comme avec `R`, les formats *long* sont souvent préférables.
 
-Le TP pandas
-<!---- reminder_badges("content/manipulation/02_pandas_tp.ipynb") --->
-<a href="https://github.com/linogaliana/python-datascientist/blob/master/content/manipulation/02_pandas_tp.ipynb" class="github"><i class="fab fa-github"></i></a>
-[![nbviewer](https://img.shields.io/badge/visualize-nbviewer-blue)](https://nbviewer.jupyter.org/github/linogaliana/python-datascientist/blob/master/content/manipulation/02_pandas_tp.ipynb)
-[![Onyxia](https://img.shields.io/badge/SSPcloud-Tester%20via%20SSP--cloud-informational&color=yellow?logo=Python)](https://datalab.sspcloud.fr/launcher/inseefrlab-helm-charts-datascience/jupyter?onyxia.friendlyName=%C2%ABpython-datascientist%C2%BB&resources.requests.memory=%C2%AB4Gi%C2%BB)
-[![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/linogaliana/python-datascientist/master?filepath=content/manipulation/02_pandas_tp.ipynb)
-[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](http://colab.research.google.com/github/linogaliana/python-datascientist/blob/master/content/manipulation/02_pandas_tp.ipynb)
-propose une série d'exemples sur la manière de restructurer les données en
-`pandas`.
+Le TP pandas proposera des applications de ces principes
+
+```{r, echo = FALSE, results = 'asis', include = TRUE, eval = TRUE}
+print_badges("content/course/manipulation/02b_pandas_TP.Rmd")
+```
 
 ## Les pipe
 

content/course/visualisation/maps.Rmd

@@ -88,7 +88,7 @@ Ce TP vise à initier:
 Les données utilisées sont :
 
 * Un sous-ensemble des données de [paris open data](https://opendata.paris.fr/explore/dataset/comptage-velo-donnees-compteurs/information/?disjunctive.id_compteur&disjunctive.nom_compteur&disjunctive.id&disjunctive.name) a été mis à disposition
-sur <a href="https://github.com/linogaliana/python-datascientist/blob/master/data/bike.csv" class="github"><i class="fab fa-github"></i></a> pour faciliter l'import (élimination des colonnes
+sur {{< githubrepo >}} pour faciliter l'import (élimination des colonnes
 qui ne nous servirons pas mais ralentissent l'import)
 * [La localisation précise des stations](https://parisdata.opendatasoft.com/explore/dataset/comptage-velo-compteurs/download/?format=geojson&timezone=Europe/Berlin&lang=fr)
 * [Arrondissements parisiens](https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr)

content/course/visualisation/matplotlib.Rmd

@@ -80,7 +80,7 @@ Nous verrons par la suite la manière de construire des cartes facilement avec
 des formats équivalents.
 
 Un sous-ensemble des données de [paris open data](https://opendata.paris.fr/explore/dataset/comptage-velo-donnees-compteurs/information/?disjunctive.id_compteur&disjunctive.nom_compteur&disjunctive.id&disjunctive.name) a été mis à disposition
-sur <a href="https://github.com/linogaliana/python-datascientist/blob/master/data/bike.csv" class="github"><i class="fab fa-github"></i></a> pour faciliter l'import (élimination des colonnes
+sur {{< githubrepo >}} pour faciliter l'import (élimination des colonnes
 qui ne nous servirons pas mais ralentissent l'import)
 
 ```{python}

layouts/shortcodes/githubrepo.html

@@ -0,0 +1 @@
+<a href="https://github.com/linogaliana/python-datascientist" class="github"><i class="fab fa-github"></i></a>