')
- return(
- cat(badges, sep = "\n")
- )
-
-}
-
-
-print_badges <- function(fpath = NULL, onyxia_only = FALSE, split = 4){
- if (is.null(fpath)){
- fpath <- knitr::current_input(dir = TRUE)
- }
- fpath <- gsub(paste0(here::here(),"/./"), "", fpath)
- fpath <- gsub("Rmd", "ipynb", fpath)
- fpath <- gsub("content","notebooks",fpath)
- reminder_badges(fpath, onyxia_only = onyxia_only, split = split)
-}
-
-github_link <- function(fpath = NULL){
- if (is.null(fpath)){
- fpath <- knitr::current_input(dir = TRUE)
- }
- fpath <- gsub(paste0(here::here(),"/./"), "", fpath)
- fpath <- gsub("Rmd", "ipynb", fpath)
- fpath <- gsub("content","notebooks",fpath)
- return(fpath)
-}
-
-
-reminder_box <- function(boxtype = "warning", type = c("html","markdown")){
- type <- match.arg(type)
- icon <- switch(boxtype,
- warning = "fa fa-exclamation-triangle",
- hint = "fa fa-lightbulb",
- tip = "fa fa-lightbulb",
- note = "fa fa-comment",
- exercise = "fas fa-pencil-alt")
- box <- c(
- sprintf(
- '{{< panel status="%s" title="%s" icon="%s" >}}',
- boxtype,
- Hmisc::capitalize(boxtype),
- icon
- ),
- "Example",
- "{{< /panel >}}"
- )
- if (type == "html") cat(box, sep = "\n")
-
- box <- gsub("<","%", box)
- box <- gsub(">","%", box)
-
- cat(box, sep = "\n")
-}
-
-# Hook from Maelle Salmon: https://ropensci.org/technotes/2020/04/23/rmd-learnings/
-modif_plot <- function(x, options, dir_path) {
- hugoopts <- options$hugoopts
- paste0(
- "{", "{}}\n"
- )
-}
-
-
-message("For local preview when the pages are built: blogdown::hugo_build(local = TRUE)")
-
-
-
diff --git a/assets/scss/custom.scss b/assets/scss/custom.scss
index dbe5d573c..339d94930 100644
--- a/assets/scss/custom.scss
+++ b/assets/scss/custom.scss
@@ -1,3 +1,13 @@
+
+/* Size of space between badges */
+
+a + br {
+ display: block;
+ margin: -15px 0;
+}
+
+
+
/* ------------------------------
DATAFRAME RENDERING
---------------------------------*/
diff --git a/content/course/manipulation/02a_pandas_tutorial/index.qmd b/content/course/manipulation/02a_pandas_tutorial/index.qmd
index e18a20387..e4a4a365f 100644
--- a/content/course/manipulation/02a_pandas_tutorial/index.qmd
+++ b/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
diff --git a/reference.bib b/reference.bib
new file mode 100644
index 000000000..f7602992b
--- /dev/null
+++ b/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."}
+}
',
- nbviewer_link
- )
- }
-
- chapter <- tools::file_path_sans_ext(basename(notebook))
- section <- basename(dirname(notebook))
-
- onyxia_link_tmplt <- paste0(
- "https://datalab.sspcloud.fr/launcher/inseefrlab-helm-charts-datascience/jupyter",
- "?autoLaunch=true&onyxia.friendlyName=%C2%ABpython-datascience%C2%BB",
- "&init.personalInit=%C2%ABhttps%3A%2F%2Fraw.githubusercontent.com%2Flinogaliana%2Fpython-datascientist%2Fmaster%2Fsspcloud%2Finit-jupyter.sh%C2%BB",
- "&init.personalInitArgs=%C2%AB${section}%20${chapter}%C2%BB&security.allowlist.enabled=false"
- )
- onyxia_link_launcher <- stringr::str_interp(onyxia_link_tmplt, list(section=section, chapter=chapter))
- if (type == "md"){
- onyxia_link <- paste0(
- "[]",
- "(",onyxia_link_launcher,")"
- )
- } else{
- onyxia_link <- sprintf(
- '
',
- onyxia_link_launcher
- )
- }
-
- if (!is.null(split) && (4 %in% split)){
- onyxia_link <- c(onyxia_link, "
',
- binder_path
- )
- }
-
- if (!is.null(split) && (5 %in% split)){
- binder_link <- c(binder_link, "
',
- notebook
- )
- }
-
- if (!is.null(split) && (6 %in% split)){
- colab_link <- c(colab_link, "
',
- notebook)
- }
-
- badges <- c(
- github_link,
- download_link,
- nbviewer_link,
- onyxia_link
- )
-
- if (isFALSE(onyxia_only)){
- badges <- c(badges,
- binder_link,
- colab_link,
- vscode_link)
- }
-
- if (type == "html") badges <- c('