un petit mot sur mercator (#201)

* Update 03_geopandas_tutorial.Rmd

* Automated changes

* add image

* Automated changes

* commit image

* Automated changes

* Automated changes

* corrige image n'apparaissant pas

* truesize

* Automated changes

* to rmd

* Automated changes

* Automated changes

* Automated changes

* bon lien

* Automated changes

* Automated changes

* thetruesize

* Automated changes

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

content/course/manipulation/02a_pandas_tutorial.Rmd

@@ -979,7 +979,9 @@ On utilise de manière indifférente les termes *merge* ou *join*.
 Le deuxième terme provient de la syntaxe SQL.
 En `pandas`, dans la plupart des cas, on peut utiliser indifféremment `df.join` et `df.merge`
 
-![](pandas_join.png)
+```{r, echo = FALSE}
+knitr::include_graphics('pandas_join.png')
+```
 
 Il est aussi possible de réaliser un merge en utilisant la fonction `pandas.concat()` avec `axis=1`.
 Se référer à la documentation de `concat` pour voir les options possibles.
@@ -999,8 +1001,9 @@ Un exemple de la distinction entre les deux peut être pris à l'ouvrage de réf
 
 L'aide mémoire suivante aidera à se rappeler les fonctions à appliquer si besoin:
 
-![](reshape.png)
-<!-- #endregion -->
+```{r, echo = FALSE}
+knitr::include_graphics('reshape.png')
+```
 
 Le fait de passer d'un format *wide* au format *long* (ou vice-versa) peut être extrêmement pratique car
 certaines fonctions sont plus adéquates sur une forme de données ou sur l'autre.

content/course/manipulation/03_geopandas_tutorial.Rmd

@@ -97,7 +97,7 @@ Les données spatiales rassemblent classiquement deux types de données :
 1. des **données géographiques** (ou géométries): objets géométriques tels que des points, des vecteurs, des polygones, ou des maillages (*raster*). Exemple: la forme de chaque chaque commune, les coordonnées d'un bâtiment;
 2. des **données attributaires** (ou attributs): des mesures et des caractéristiques associés aux objets géométriques. Exemple: la population de chaque commune, le nombre de fenêtres et le nombre d'étages d'un bâtiment.
 
-**Les données spatiales sont fréquemment traitées à l'aide d'un système d'information géographique (SIG)**, c'est-à-dire un système d'information capable de stocker, d'organiser et de présenter des données alphanumériques spatialement référencées par des coordonnées dans un système de référence (CRS). `R` dispose de fonctionnalités lui permettant de réaliser les mêmes tâches qu'un SIG (traitement de données spatiales, représentations cartographiques).
+**Les données spatiales sont fréquemment traitées à l'aide d'un système d'information géographique (SIG)**, c'est-à-dire un système d'information capable de stocker, d'organiser et de présenter des données alphanumériques spatialement référencées par des coordonnées dans un système de référence (CRS). `Python` dispose de fonctionnalités lui permettant de réaliser les mêmes tâches qu'un SIG (traitement de données spatiales, représentations cartographiques).
 
 **Les systèmes de projection font l'objet de standards internationaux et sont souvent désignés par des codes dits codes EPSG**. Ce [site](https://epsg.io/) est un bon aide-mémoire. Les plus fréquents, pour les utilisateurs français, sont les suivants (plus d'infos [ici](https://geodesie.ign.fr/contenu/fichiers/documentation/SRCfrance.pdf)):
 
@@ -551,7 +551,20 @@ sujet, notamment l'image suivante qui montre bien le principe d'une projection:
 
 ![Les différents types de projection](https://www.earthdatascience.org/images/courses/earth-analytics/spatial-data/spatial-projection-transformations-crs.png)
 
-La [documentation officielle de geopandas](https://geopandas.org/projections.html) est également très bien
+La Terre peut ainsi être représentée de multiple manière, ce qui n'est pas neutre sur la manière de se représenter
+certains continents. En particulier, avec la projection Mercator, l'Afrique apparaît beaucoup moins vaste qu'elle ne l'est en réalité
+
+```{r, echo = FALSE}
+knitr::include_graphics('truesize.png')
+```
+
+
+*Exemple de reprojection de pays depuis le site [thetruesize.com](https://thetruesize.com/)* 
+
+Les projections sont très nombreuses et certaines peuvent avoir une [forme suprenante](https://imgs.xkcd.com/comics/map_projections.png)
+
+Concernant la gestion des projections avec `geopandas`,
+la [documentation officielle](https://geopandas.org/projections.html) est très bien
 faite sur le sujet. Elle fournit notamment l'avertissement suivant qu'il est
 bon d'avoir en tête:
 
@@ -560,7 +573,7 @@ bon d'avoir en tête:
 > From time to time, however, you may get data that does not include a projection. In this situation, you have to set the CRS so geopandas knows how to interpret the coordinates.
 
 ![](https://imgs.xkcd.com/comics/bad_map_projection_south_america.png)
-*Image empruntée à <https://blog.chrislansdown.com/2020/01/17/a-great-map-projection-joke/>*
+*Image empruntée à XKCD <https://xkcd.com/2256/> qu'on peut également trouver sur <https://blog.chrislansdown.com/2020/01/17/a-great-map-projection-joke/>*
 
 Pour déterminer le système de projection d'une base de données, on peut vérifier l'attribut `crs`:
 

content/course/manipulation/_index.md → content/course/manipulation/_index.Rmd

@@ -53,16 +53,14 @@ de nettoyage de données, notamment des chaînes de caractère.
 
 ## Exercices
 
-Les notebooks d'exercices sont listés [ici](listetp), visualisables 
-via 
-<a href="https://github.com/linogaliana/python-datascientist" class="github"><i class="fab fa-github"></i></a>
-ou
-[![nbviewer](https://img.shields.io/badge/visualize-nbviewer-blue)](https://nbviewer.jupyter.org/github/linogaliana/python-datascientist/tree/master)
-ainsi que dans les différents environnements prêts à l'emploi mis à
-disposition
-[![Onyxia](https://img.shields.io/badge/launch-onyxia-brightgreen)](https://datalab.sspcloud.fr/my-lab/catalogue/inseefrlab-helm-charts-datascience/jupyter/deploiement?resources.requests.memory=4096Mi)
-[![Binder](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/linogaliana/python-datascientist/master)
-[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](http://colab.research.google.com/github/linogaliana/python-datascientist/blob/master)
+Les notebooks d'exercices sont listés [ici](listetp). Il est
+possible de les consulter sur ce site ou d'utiliser l'un des
+badges présents en début de chapitre, par exemple
+ceux-ci pour ouvrir le TP `pandas`:
+
+```{r, echo = FALSE, results = 'asis', include = TRUE, eval = TRUE}
+print_badges("content/course/manipulation/02b_pandas_TP.Rmd", split = 4)
+```