Reprise exercice geopandas (#294)

* Relec ka 0210 : TP geopandas (#290)

* Reformulation Q3 exo2 pandas suite à incompré étudiant

* relec TP geopandas

* coquilles

* reprise des exos python

* reprise des exos python

* Automated changes

* Automated changes

* plus d'exo

* change options

* rm dep

* exo rdige

* Automated changes

* Automated changes

* details

* Automated changes

* Automated changes

* details

* Automated changes

* Automated changes

* suite

* Automated changes

* suite

* Automated changes

* Automated changes

* change titre

* hide

* Automated changes

* maj

* Automated changes

* cartiflette

* cartiflette

* Automated changes

* Automated changes

Co-authored-by: Kim A <kim.antunez@ensae.fr>
Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: 3 people

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

@@ -219,7 +219,8 @@ print(df_city[['CODGEO', 'LIBGEO']].nunique())
 # Résultats dont l'ordre de grandeur est proche. Dans les deux cas, #(libelles) < #(code)
 ```
 
-* Identifier les libellés pour lesquels on a plusieurs codes communes dans `df_city` et les stocker dans un vecteur `x` (conseil: faire attention à l'index de `x`)
+
+* Identifier dans `df_city` 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`)
 
 
 ```{python}