V1.2

Cal2-PythonPandas.ipynb

@@ -1167,9 +1167,9 @@
  "metadata": {
   "hide_input": false,
   "kernelspec": {
-   "display_name": "Python [TPInsa]",
+   "display_name": "Python 3",
    "language": "python",
-   "name": "Python [TPInsa]"
+   "name": "python3"
   },
   "language_info": {
    "codemirror_mode": {
@@ -1181,7 +1181,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.5.3"
+   "version": "3.6.4"
   },
   "toc": {
    "nav_menu": {

Cal3-PythonGraphes.ipynb

@@ -1663,9 +1663,9 @@
  "metadata": {
   "hide_input": false,
   "kernelspec": {
-   "display_name": "Python [TPInsa]",
+   "display_name": "Python 3",
    "language": "python",
-   "name": "Python [TPInsa]"
+   "name": "python3"
   },
   "language_info": {
    "codemirror_mode": {
@@ -1677,7 +1677,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.5.3"
+   "version": "3.6.4"
   },
   "toc": {
    "nav_menu": {

README.md

@@ -1,6 +1,6 @@
 ## <a href="http://www.insa-toulouse.fr/" ><img src="http://www.math.univ-toulouse.fr/~besse/Wikistat/Images/Logo_INSAvilletoulouse-RVB.png" style="float:left; max-width: 80px; display: inline" alt="INSA"/> |  [*Mathématiques Appliquées*](http://www.math.insa-toulouse.fr/fr/index.html), [`Science des Données`](http://www.math.insa-toulouse.fr/fr/enseignement.html) 
 
-# <a href="https://www.python.org/"><img src="https://upload.wikimedia.org/wikipedia/commons/thumb/f/f8/Python_logo_and_wordmark.svg/390px-Python_logo_and_wordmark.svg.png" style="max-width: 200px; display: inline" alt="Python"/></a> pour Statistique et *Science des Données*
+# <a href="https://www.python.org/"><img src="https://upload.wikimedia.org/wikipedia/commons/thumb/f/f8/Python_logo_and_wordmark.svg/390px-Python_logo_and_wordmark.svg.png" style="max-width: 200px; display: inline" alt="Python"/></a> [pour Statistique et *Science des Données*](https://github.com/wikistat/Intro-Python)
 
 L'objectif de ces tutoriels, proposés sous forme de calepins ([*jupyter notebooks*](http://jupyter.org/)), est d'introduire les principaux concepts et fonctionnalités du langage [Python](https://www.python.org/) en insistant sur ceux indispensable au statisticien, maintenant *data scientist*. Syntaxe, objets et classes, fonctions graphiques, techniques de préparation (*munging* ou *wrangling*) des données, éventuellement massives (*big data*), puis leur analyse (*big data analytics*) en enchaînant phases d'[exploration](http://wikistat.fr/) et de [modélisation](http://wikistat.fr/) ou [apprentissage](http://wikistat.fr/) (machine / statistique). Des exemples plus détaillés sur des données spécifiques (en R et en python) sont proposés sur [wikistat.fr](http://wikistat.fr/) ainsi que dans les autres dépôts de ce site. Les méthodes sont exposées dans les vignettes de [wikistat](http://wikistat.fr/).