Make minor changes to 02b, 03, 04a (#440)

Co-authored-by: tseimandi <tom.seimandi@insee.fr>

Author: tomseimandi

content/manipulation/02b_pandas_TP.qmd

@@ -722,7 +722,7 @@ Ici, on a deux variables géographiques: un code commune et un nom de commune.
 
 1. Vérifier les dimensions des _DataFrames_.
 
-2. Identifier dans `filosofi` les noms de communes qui correspondent à plusieurs codes communes et sélectionner leurs codes. En d'autres termes, identifier les `CODGEO` tels qu'il existe des doublons de `LIBGEO` et les stocker dans un vecteur `x` (conseil: faire attention à l'index de `x`).
+2. Identifier dans `filosofi` les noms de communes qui correspondent à plusieurs codes communes et sélectionner leurs codes. En d'autres termes, identifier les `LIBGEO` tels qu'il existe des doublons de `CODGEO` et les stocker dans un vecteur `x` (conseil: faire attention à l'index de `x`).
 
 On se focalise temporairement sur les observations où le libellé comporte plus de deux codes communes différents
 
@@ -903,16 +903,14 @@ emissions_merged = (
 #| output: false
 # Question 3
 
-# Question 3
-
-
 emissions_merged['empreinte'] = emissions_merged['emissions']/emissions_merged['NBPERSMENFISC16']
 emissions_merged['empreinte'] = emissions_merged['empreinte'].astype(float)
 ```
 
 ```{python}
 #| output: false
 # Question 4
+
 emissions_merged['empreinte'].plot(kind = 'hist')
 np.log(emissions_merged['empreinte']).plot(kind = 'hist')
 emissions_merged['empreinte'].describe()

content/manipulation/03_geopandas_TP.qmd

@@ -350,7 +350,7 @@ pour chaque région.
 
 ```{python}
 #| output: false
-download_vectorfile_url_all(
+france = download_vectorfile_url_all(
       values = "metropole",
       crs = 4326,
       borders = "REGION",
@@ -739,9 +739,8 @@ Si on représente plutôt la capacité sous forme de densité, pour tenir compte
 ```{python}
 #5. Calcul et carte des area et density
 petite_couronne_count['area'] = petite_couronne_count.area
-
-petite_couronne_count['density'] = petite_couronne_count['area'].div(1e6)
-petite_couronne_count['density'] = petite_couronne_count['capacity']/petite_couronne_count['density']
+petite_couronne_count['area'] = petite_couronne_count['area'].div(1e6)
+petite_couronne_count['density'] = petite_couronne_count['capacity']/petite_couronne_count['area']
 
 aplat = petite_couronne_count.plot(
     column = "density", cmap="coolwarm", legend=True)

content/manipulation/04a_webscraping_TP.qmd

@@ -245,21 +245,24 @@ Donnera dans le navigateur :
 Dans le cadre du langage HTML, les termes de parent (*parent*) et enfant (*child*) servent à désigner des élements emboîtés les uns dans les autres. Dans la construction suivante, par exemple :
 
 ```html
-< div> 
-    < p>
+<div> 
+    <p>
        bla,bla
-    < /p>
-< /div>
+    </p>
+</div>
 ```
 
 Sur la page web, cela apparaitra de la manière suivante : 
 
+::: {.cell .markdown}
+```{=html}
 <div> 
     <p>
        bla,bla
     </p>
 </div>
-
+```
+:::
 
 On dira que l'élément `<div>` est le parent de l'élément `<p>` tandis que l'élément `<p>` est l'enfant de l'élément `<div>`.
 
@@ -1041,7 +1044,7 @@ print("\n\n\n")
 ## On automatise : fonction pour stocker dans un dictionnaire
 def get_cara_pokemon(pokemon_name):
     page = get_page(pokemon_name)
-    data = collections.defaultdict()
+    data = {}
     for table in page.findAll('table', { 'class' : "vitals-table"})[0:4] :
         table_body = table.find('tbody')
         for rows in table_body.findChildren(['tr']) :