Utilisation test du système de référence de quarto (#240)

* test references

* bib

* test refs

* Automated changes

* Automated changes

* intro

* Automated changes

* Automated changes

* reduce space btw badges

* Automated changes

* Automated changes

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

assets/scss/custom.scss

@@ -1,3 +1,13 @@
+
+/* Size of space between badges */
+
+a + br {
+  display: block;
+  margin: -15px 0;
+}
+
+
+
 /* ------------------------------
 DATAFRAME RENDERING
 ---------------------------------*/

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

@@ -19,6 +19,7 @@ summary: |
   traiter des données de volumétrie moyenne (jusqu'à quelques Gigas). Au-delà
   de cette volumétrie, il faudra se tourner vers d'autres solutions
   (PostgresQL, Dask, Spark...).
+bibliography: ../../../../reference.bib
 ---
 
 
@@ -39,6 +40,23 @@ from utils import print_badges
 print_badges("content/course/manipulation/02a_pandas_tutorial.qmd")
 ```
 
+Le _package_ `pandas` est l'une des briques centrales de l'écosystème de
+la data-science. Son créateur, Wes McKinney, l'a pensé comme 
+une surcouche à la librairie `numpy` pour introduire
+dans `Python` un objet central dans des langages comme `R` 
+ou `Stata`, à savoir le _dataframe_. `pandas` est rapidement
+devenu un incontournable de la _data-science_. L'ouvrage
+de référence de @mckinney2012python présente de manière plus 
+ample ce _package_. Ce tutoriel vise à introduire aux concepts
+de base de ce package par l'exemple et à introduire à certaines
+des tâches les plus fréquentes de (re)structuration
+des données du _data-scientist_. Il ne s'agit pas d'un ensemble
+exhaustif de commandes: `pandas` est un package tentaculaire 
+qui permet de réaliser la même opération de nombreuses manières. 
+Nous nous concentrerons ainsi sur les éléments les plus pertinents
+dans le cadre d'une introduction à la _data-science_ et laisserons
+les utilisateurs intéressés approfondir leurs connaissances
+dans les ressources foisonnantes qu'il existe sur le sujet. 
 
 Dans ce tutoriel `pandas`, nous allons utiliser:
 
@@ -1062,6 +1080,9 @@ Pour aller plus loin, se référer à la [documentation de `dask`](https://docs.
 [pandas.pydata](https://pandas.pydata.org/pandas-docs/stable/user_guide/basics.html)
 fait office de référence
 
+::: {#refs}
+:::
+
 # Annexe {#annexe}
 
 ## Téléchargement de `pynsee` avec barre de progrès

reference.bib

@@ -0,0 +1,14 @@
+@book{Turrell2021,
+title     = "Coding for Economists",
+author    = "Turrell, Arthur, and contributors",
+year      = 2021,
+publisher = "Online",
+url       = "https://aeturrell.github.io/coding-for-economists"
+}
+
+@book{mckinney2012python,
+  title={Python for data analysis: Data wrangling with Pandas, NumPy, and IPython},
+  author={McKinney, Wes},
+  year={2012},
+  publisher={" O'Reilly Media, Inc."}
+}