Essaye nom différent (#186)

* Essaye nonÃmdifférent

* Automated changes

* Automated changes

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: linogaliana

content/course/modelisation/0_preprocessing.Rmd

@@ -97,13 +97,13 @@ par comté x année avec en colonnes les résultats de chaque candidat dans cet
 
 Si vous ne faites pas l'exercice 1, pensez à charger les données en executant la fonction `get_data.py` :
 
-```{python, echo = TRUE, eval = TRUE}
+```{python, echo = TRUE}
 #!pip install geopandas
 import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 Ce code introduit une base nommée `votes` dans l'environnement. Il s'agit d'une

content/course/modelisation/1_modelevaluation.Rmd

@@ -60,8 +60,8 @@ est disponible [sur Github](https://github.com/linogaliana/python-datascientist/
 import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 

content/course/modelisation/2_SVM.Rmd

@@ -59,8 +59,8 @@ est disponible [sur Github](https://github.com/linogaliana/python-datascientist/
 import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 

content/course/modelisation/3_regression.Rmd

@@ -65,10 +65,11 @@ est disponible [sur Github](https://github.com/linogaliana/python-datascientist/
 
 ```{python, echo = TRUE}
 #!pip install geopandas
+import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 

content/course/modelisation/4_featureselection.Rmd

@@ -62,8 +62,8 @@ est disponible [sur Github](https://github.com/linogaliana/python-datascientist/
 import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 

content/course/modelisation/5_clustering.Rmd

@@ -96,8 +96,8 @@ Premièrement, nous pencher sur la plus intuitive: les k-means.
 import urllib
 import urllib.request
 code = 'https://raw.githubusercontent.com/linogaliana/python-datascientist/master/content/course/modelisation/get_data.py'
-data = urllib.request.urlopen(code).read()
-exec(data)
+code_import = urllib.request.urlopen(code).read()
+exec(code_import)
 ```
 
 ## Principe