Improve aesthetics on Github (#338)

* like a dimaond

* Delete .Rbuildignore

* Update README.md

* pb

* Automated changes

* Automated changes

* Automated changes

* lightbulb

* Automated changes

* Automated changes

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

.gitattributes

@@ -2,3 +2,4 @@
 *.css linguist-documentation
 *.js linguist-documentation
 *.ipynb linguist-documentation
+*.scss linguist-documentation

README.md

@@ -13,12 +13,12 @@
 
 
 
-Ce dépôt Github stocke les fichiers sources ayant permis de construire le site
+Ce dépôt `Github`
+stocke les fichiers sources ayant permis de construire le site
 <https://pythonds.linogaliana.fr/>. 
 
-Il s'agit de l'ensemble du cours *Python pour les data-scientists et économistes* :snake:
-que je donne en  
-deuxième année (Master 1) de l'ENSAE.
+Il s'agit de l'ensemble du cours *Python pour les data-scientists* :snake:
+que je donne en deuxième année (Master 1) de l'ENSAE.
 
 ## Syllabus
 
@@ -34,7 +34,7 @@ _data-science_ que quelqu'un à la recherche de contenu plus avancé :
 1. Traitement de données textuelles (NLP)
 1. Introduction à la _data-science_ moderne: _cloud computing_, ElasticSearch, intégration continue...
 
-Un bon complément du contenu du site web est le cours que nous donnons avec Romain Avouac ([@avouacr](https://github.com/avouacr)) en dernière année de l'ENSAE plus tourné mise en production de projets _data-science_: ensae-reproductibilite.netlify.app/
+Un bon complément du contenu du site web est le cours que nous donnons avec Romain Avouac ([@avouacr](https://github.com/avouacr)) en dernière année de l'ENSAE plus tourné mise en production de projets _data-science_: https://ensae-reproductibilite.netlify.app/
 
 <details>
 <summary>
@@ -83,7 +83,7 @@ automatiquement construite et mise à disposition depuis
 </summary>
 
 Le site est construit de manière automatique grâce à [Hugo](https://gohugo.io/)
-à partir d'un environnement conteneurisée [Docker](https://hub.docker.com/repository/docker/linogaliana/python-datascientist/general) 
+à partir d'un environnement conteneurisé [Docker](https://hub.docker.com/repository/docker/linogaliana/python-datascientist/general) 
 La reproductibilité des exemples et des exercices est testée avec 
 Github Actions ([![build-doc Actions Status](https://github.com/linogaliana/python-datascientist/actions/workflows/prod.yml/badge.svg)](https://github.com/linogaliana/python-datascientist/actions)).
 

content/course/manipulation/02a_pandas_tutorial/index.qmd

@@ -84,7 +84,12 @@ de l'Insee disponibles sur le site web [insee.fr](https://www.insee.fr/fr/accuei
 ou via des API. 
 :::
 
-{{% box status="note" title="Note" icon="fa fa-comment" %}}
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-info" role="alert">
+<h3 class="alert-heading"><i class="fa-solid fa-comment"></i> Note</h3>
+```
+
 Le package `pynsee` est relativement jeune et n'est disponible que sur
 [`Github`](https://github.com/InseeFrLab/Py-Insee-Data), pas sur `PyPi`.
 Idéalement, on utilise les commandes suivantes,
@@ -128,9 +133,13 @@ vous trouble, vous pouvez vous rendre à la
 [Section Annexe](#annexe) pour découvrir un bout de code
 qui effectue les mêmes tâches mais avec des barres de progrès
 
-{{% /box %}}
+```{=html}
+</div>
+```
+:::
+
 
-:warning: `pandas` offre la possibilité d'importer des données
+⚠️ `pandas` offre la possibilité d'importer des données
 directement depuis un url. C'est l'option prise dans ce tutoriel.
 Si vous préfèrez, pour des
 raisons d'accès au réseau ou de performance, importer depuis un poste local,
@@ -208,7 +217,12 @@ se trouve sur une unique cellule.
 
 ![Concept de tidy data (emprunté à H. Wickham)](https://d33wubrfki0l68.cloudfront.net/6f1ddb544fc5c69a2478e444ab8112fb0eea23f8/91adc/images/tidy-1.png)
 
-{{% box status="hint" title="Hint" icon="fa fa-lightbulb-o" %}}
+
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-warning" role="alert">
+<h3 class="alert-heading"><i class="fa-solid fa-lightbulb"></i> Hint</h3>
+```
 
 Les `DataFrames` sont assez rapides en `Python`[^2] et permettent de traiter en local de manière efficace des tables de
 données comportant plusieurs millions d'observations (en fonction de la configuration de l'ordinateur)
@@ -218,7 +232,11 @@ de l'opération effectuée, le DataFrame `pandas` peut montrer certaines limites
 solutions: `Dask` (dataframe aux opérations parallélisés), `SQL` (notamment `Postgres`),
 `Spark` (solution _big data_). Un chapitre spécial de ce cours est consacré à `Dask`.
 
-{{% /box %}}
+```{=html}
+</div>
+```
+:::
+
 
 
 ::: {.cell .markdown}
@@ -378,7 +396,7 @@ Le `DataFrame` est l'objet central de la librairie `pandas`.
 Il s'agit d'une collection de `pandas.Series` (colonnes) alignées par les index.
 Les types des variables peuvent différer.
 
-Un DataFrame non-indexé a la structure suivante:
+Un `DataFrame` non-indexé a la structure suivante:
 
 ```{python}
 #| echo: false
@@ -391,7 +409,7 @@ df = pd.DataFrame(
 df.reset_index()
 ```
 
-Alors que le même dataframe indexé aura la structure suivante:
+Alors que le même `DataFrame` indexé aura la structure suivante:
 
 ```{python}
 #| echo: false
@@ -435,7 +453,12 @@ df = pd.read_csv("https://koumoul.com/s/data-fair/api/v1/datasets/igt-pouvoir-de
 df
 ```
 
-{{% box status="note" title="Note" icon="fa fa-comment" %}}
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-info" role="alert">
+<h3 class="alert-heading"><i class="fa-solid fa-comment"></i> Note</h3>
+```
+
 
 Dans un processus de production, où normalement on connait les types des variables du `DataFrame` qu'on va importer,
 il convient de préciser les types avec lesquels on souhaite importer les données
@@ -448,7 +471,10 @@ Par exemple, une colonne `[00001,00002,...] ` risque d'être importée comme une
 Sinon, on peut importer le csv, et modifier les types avec `astype()`.
 Avec `astype`, on peut gérer les erreurs de conversion avec le paramètre `errors`.
 
-{{% /box %}}
+```{=html}
+</div>
+```
+:::
 
 L'affichage des DataFrames est très ergonomique. On obtiendrait le même *output*
 avec `display(df)`[^3]. Les premières et dernières lignes s'affichent
@@ -468,7 +494,11 @@ taper le nom du `DataFrame`) qu'utiliser la fonction `print`. Le
 qui renvoie du texte brut.
 :::
 
-{{% box status="danger" title="warning" icon="fa fa-exclamation-triangle" %}}
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-danger" role="alert">
+<i class="fa-solid fa-triangle-exclamation"></i> Warning</h3>
+```
 
 Il faut faire attention au `display` et aux
 commandes qui révèlent des données (`head`, `tail`, etc.)
@@ -493,14 +523,18 @@ peuvent y être apportées.
 Une solution est d'utiliser [`Quarto`](https://quarto.org/) qui permet de générer les
 `.ipynb` en _output_ d'un document texte, ce qui facilite le contrôle sur les 
 éléments présents dans le document.
-{{% /box %}}
+
+```{=html}
+</div>
+```
+:::
 
 
 
 ### Dimensions et structure du DataFrame
 
 Les premières méthodes utiles permettent d'afficher quelques
-attributs d'un DataFrame.
+attributs d'un `DataFrame`.
 
 ```{python}
 df.axes
@@ -705,29 +739,38 @@ forme des indices de lignes ou colonnes utilisés:
 * `df.loc`: utilise les labels
 * `df.iloc`: utilise les indices
 
-{{% box status="danger" title="Warning" icon="fa fa-exclamation-triangle" %}}
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-danger" role="alert">
+<i class="fa-solid fa-triangle-exclamation"></i> Warning</h3>
+```
 
 Les bouts de code utilisant la structure `df.ix`
 sont à bannir car la fonction est *deprecated* et peut
 ainsi disparaître à tout moment.
 
-{{% /box  %}}
+```{=html}
+</div>
+```
+:::
 
 `iloc` va se référer à l'indexation de 0 à *N* où *N* est égal à `df.shape[0]` d'un
 `pandas.DataFrame`. `loc` va se référer aux valeurs de l'index
 de `df`.
 
-Par exemple, si j'ai un `pandas.DataFrame` `df`:
-```
-       year  sale
-month
-1      2012    55
-4      2014    40
-7      2013    84
-10     2014    31
+Par exemple, avec le `pandas.DataFrame` `df_example`:
+
+
+```{python}
+df_example = pd.DataFrame(
+    {'year': [2012, 2014, 2013, 2014], 'sale': [55, 40, 84, 31]})
+df_example
 ```
-Alors `df.loc[1, :]` donnera la première ligne de `df` (ligne où l'indice `month` est égal à 1) tandis que
-`df.iloc[1, :]` donnera la deuxième ligne (puisque l'indexation en `Python` commence à 0).
+
+- `df_example.loc[1, :]` donnera la première ligne de `df` (ligne où l'indice `month` est égal à 1) ;
+- `df_example.iloc[1, :]` donnera la deuxième ligne (puisque l'indexation en `Python` commence à 0) ;
+- `df_example.iloc[:, 1]` donnera la deuxième colonne, suivant le même principe.
+
 
 
 
@@ -753,7 +796,7 @@ des usages de manipulation des données
 
 ## Opérations sur les colonnes: `select`, `mutate`, `drop`
 
-Les DataFrames pandas sont des objets *mutables* en langage `Python`,
+Les `DataFrames` pandas sont des objets *mutables* en langage `Python`,
 c'est-à-dire qu'il est possible de faire évoluer le `DataFrame` au grès
 des opérations. L'opération la plus classique consiste à ajouter ou retirer
 des variables à la table de données.
@@ -762,7 +805,12 @@ des variables à la table de données.
 df_new = df.copy()
 ```
 
-{{% box status="danger" title="Warning" icon="fa fa-exclamation-triangle" %}}
+::: {.cell .markdown}
+```{=html}
+<div class="alert alert-danger" role="alert">
+<i class="fa-solid fa-triangle-exclamation"></i> Warning</h3>
+```
+
 Attention au comportement de `pandas` lorsqu'on crée une duplication
 d'un `DataFrame`.
 
@@ -781,7 +829,10 @@ utilisant la méthode `copy`, comme ci-dessus.
 Attention toutefois, cela a un coût mémoire.
 Avec des données volumineuses, c'est une pratique à utiliser avec précaution.
 
-{{% /box %}}
+```{=html}
+</div>
+```
+:::
 
 
 
@@ -1136,11 +1187,15 @@ fait office de référence
 
 # Annexe {#annexe}
 
-## Téléchargement de `pynsee` avec barre de progrès
+::: {.cell .markdown}
+```{=html}
+<details><summary>Téléchargement de <code>pynsee</code> avec barre de progrès 👇</summary>
+```
 
 Ce code vient du [package `pynsee`](https://github.com/InseeFrLab/Py-Insee-Data/blob/master/pynsee/download/__init__.py)...
 
-```{python, eval = FALSE}
+```{python}
+#| eval: false
 import warnings
 import os
 import requests
@@ -1208,3 +1263,7 @@ download_pb('https://github.com/InseeFrLab/Py-Insee-Data/archive/refs/heads/mast
 unzip_pb("pynsee.zip", "pynsee")
 ```
 
+```{=html}
+</details>
+```
+:::