Remarques de Guillaume sur le TP Pandas

Author: linogaliana

content/manipulation/02_pandas_intro/_exo2_solution.qmd

@@ -75,7 +75,7 @@ In question 7, the resulting table looks like this
 # Question 7
 emissions_totales = (
   pd.DataFrame(
-    df.sum(numeric_only = True),
+    emissions_copy.sum(numeric_only = True),
     columns = ["emissions"]
   )
   .reset_index(names = "secteur")

content/manipulation/02_pandas_suite.qmd

@@ -145,9 +145,9 @@ As explained below, we will use a library called `pynsee` to retrieve Insee data
 ```{python}
 #| eval: false
 #| echo: true
-!pip install xlrd
-!pip install pynsee
-!pip install great_tables
+!pip install xlrd --quiet
+!pip install pynsee --quiet
+!pip install great_tables --quiet
 ```
 
 ::: {.content-visible when-profile="fr"}
@@ -1102,8 +1102,8 @@ It is surprising to see that Paris, Lyon, and Marseille are present in the commu
 #| echo: true
 emissions.loc[
   emissions["Commune"]
-  .str.lower()
-  .str.contains('MARSEILLE')
+  .str.upper()
+  .str.contains('MARSEILLE-')
 ]
 ```
 
@@ -1296,6 +1296,11 @@ codes_postaux.loc[codes_postaux['Code_postal'] == "11420"]
 ::: {.content-visible when-profile="fr"}
 En anticipant sur les compétences développées lors des prochains chapitres, nous pouvons représenter le problème sous forme cartographique en prenant l'exemple de l'Aude. Le code pour produire la carte des codes communes est donné tel quel, il n'est pas développé car il fait appel à des concepts et librairies qui seront présentés lors du prochain chapitre:
 
+```{python}
+#| echo: true
+!pip install cartiflette --quiet
+```
+
 ```{python}
 #| echo: true
 #| fig-cap: Géographie des codes postaux et des communes dans l'Aude (11)

content/manipulation/02_pandas_suite/_exo2_solution.qmd

@@ -21,7 +21,7 @@ emissions_wide.reset_index().melt(id_vars = ['INSEE commune','Commune','dep'],
 # Question 3
 
 emissions_totales = (
-  emissions_wide.reset_index()
+  emissions_wide.reset_index(drop=True)
  .melt(
     id_vars = ['INSEE commune','Commune','dep'],
     var_name = "secteur", value_name = "emissions"
@@ -40,7 +40,7 @@ emissions_totales.plot(kind = "barh")
 
 top_commune_dep = (
   emissions_wide
-  .reset_index()
+  .reset_index(drop=True)
   .melt(
     id_vars = ['INSEE commune','Commune','dep'],
     var_name = "secteur", value_name = "emissions"