w7 jb2 ok

Author: parmentelat

myst-toc.yml

@@ -63,6 +63,36 @@ project:
     - title: semaine 6
       children:
         - pattern: w6/w6-s*.md
-    # - title: semaine 7
-    #   children:
-    #     - pattern: w7/w7-s*.md
+    - title: semaine 7
+      children:
+        - file: w7/w7-s01-c1-installation.md
+        - file: w7/w7-s02-c1-dimension1.md
+        - file: w7/w7-s02-c2-dtype.md
+        - file: w7/w7-s03-c1-shape.md
+        - file: w7/w7-s03-c2-initialisation.md
+        - file: w7/w7-s05-c1-broadcasting.md
+        - file: w7/w7-s05-c2-indexing-slicing.md
+        - file: w7/w7-s05-c3-operations-logiques.md
+        - file: w7/w7-s05-c4-algebre-lineaire.md
+        - file: w7/w7-s05-c5-indexation-evoluee.md
+        - file: w7/w7-s05-c6-divers.md
+        - file: w7/w7-s05-x1-checkers.md
+        - file: w7/w7-s05-x2-hundreds.md
+        - file: w7/w7-s05-x3-stairs.md
+        - file: w7/w7-s05-x4-dice.md
+        - file: w7/w7-s05-x5-matdiag.md
+        - file: w7/w7-s05-x6-xixj.md
+        - file: w7/w7-s05-x7-npsearch.md
+        - file: w7/w7-s06-c1-data-science.md
+        - file: w7/w7-s06-c2-Series.md
+        - file: w7/w7-s07-c1-DataFrame.md
+        - file: w7/w7-s09-c1-TimeSeries.md
+        - file: w7/w7-s10-c1-matplotlib-2d.md
+        - file: w7/w7-s10-c2-matplotlib-3d.md
+        - file: w7/w7-s10-c3-notebooks-interactifs.md
+        - file: w7/w7-s10-c3-zz-plotly-dashboard.md
+        - file: w7/w7-s10-c4-animations-matplotlib.md
+        - file: w7/w7-s10-c5-bokeh-et-al.md
+        - file: w7/w7-s10-c6-fourier-k3d.md
+        - file: w7/w7-s10-x1-taylor.md
+        - file: w7/w7-s10-x2-coronavirus.md

w7/w7-s05-x1-checkers.md

@@ -8,11 +8,12 @@ jupytext:
     extension: .md
     format_name: myst
 kernelspec:
-  display_name: Python 3
+  display_name: Python 3 (ipykernel)
   language: python
   name: python3
 language_info:
   name: python
+  nbconvert_exporter: python
   pygments_lexer: ipython3
 nbhosting:
   title: 'exercice: checkers'
@@ -88,6 +89,7 @@ Pour le voir comme une image:
 ---
 slideshow:
   slide_type: fragment
+tags: [raises-exception]
 ---
 # convertir en flottant pour imshow
 checkerboard = checkerboard.astype(float)

w7/w7-s05-x3-stairs.md

@@ -8,11 +8,12 @@ jupytext:
     extension: .md
     format_name: myst
 kernelspec:
-  display_name: Python 3
+  display_name: Python 3 (ipykernel)
   language: python
   name: python3
 language_info:
   name: python
+  nbconvert_exporter: python
   pygments_lexer: ipython3
 nbhosting:
   title: 'exercice: stairs'
@@ -82,6 +83,8 @@ squares = stairs(100)
 Pour le voir comme une image avec un niveau de gris comme code de couleurs (noir = 0, blanc = maximum = 201 dans notre cas) :
 
 ```{code-cell} ipython3
+:tags: [raises-exception]
+
 # convertir en flottant pour imshow
 squares = squares.astype(float)
 # afficher avec une colormap 'gray'

w7/w7-s10-x2-coronavirus.md

@@ -9,11 +9,12 @@ jupytext:
     extension: .md
     format_name: myst
 kernelspec:
-  display_name: Python 3
+  display_name: Python 3 (ipykernel)
   language: python
   name: python3
 language_info:
   name: python
+  nbconvert_exporter: python
   pygments_lexer: ipython3
 nbhosting:
   title: 'Exercice: coronavirus'
@@ -233,97 +234,21 @@ df1.plot();
 
 ## Exercice 2: idem mais à partir d'un autre jeu de données
 
-+++
-
 Je vous signale une autre source de données, dans ce repo git <https://github.com/owid/covid-19-data/tree/master/public/data>; les données cette fois-ci sont au format excel, et publiées à cette adresse
 
 ```{code-cell} ipython3
 alt_url = 'https://covid.ourworldindata.org/data/owid-covid-data.csv'
 ```
 
-Dans ces cas-là il faut avoir le réflexe d'utiliser pandas; voici un aperçu (ayez de la patience pour le chargement)
-
-```{code-cell} ipython3
-import pandas as pd
+```{admonition} mise à jour oct. 2025
+:class: danger
 
-df = pd.read_csv(alt_url)
+il semble que cette URL est à présent inaccessible
+je supprime donc le deuxième exercice de ce notebook
 ```
 
-```{code-cell} ipython3
-df.head(2)
-```
-
-### Un sujet possible (#2)
-
-+++
-
-Le sujet à la base est le même bien entendu, essayer de visualiser ces données sous une forme où on y perçoit quelque chose :)
-
-Les données sont bien entendu beaucoup plus riches, *a contrario* cela va demander davantage de mise en forme avant de pouvoir visualiser quoi que ce soit.
-
-Je vous propose ce second point de vue si vous souhaitez vous entraîner avec `pandas`, puisqu'ici on a déjà une dataframe (ce qui ne veut pas dire qu'on ne peut pas traiter le premier exercice en utilisant `pandas`).
-
-+++
-
-### Explorons un peu
-
 +++
 
-Voici quelques éléments sur la stucture de ces données :
-
-```{code-cell} ipython3
-# beaucoup plus de détails
-df.columns
-```
-
-```{code-cell} ipython3
-# la colonne iso_code représente le pays :
-df.iso_code.unique()[:5]
-```
-
-```{code-cell} ipython3
-# rien que sur la france, on a ce nombre d'enregistrements
-df_france = df[df.iso_code == 'FRA']
-len(df_france)
-```
-
-```{code-cell} ipython3
-# manifestement c'est un par jour
-df_france.head(2)
-```
-
-```{code-cell} ipython3
-df_france.tail(2)
-```
-
-Pour afficher, disons les décès par jour en France depuis le début de la pandémie, on pourrait faire :
-
-```{code-cell} ipython3
-df_france.plot(x='date', y='new_deaths');
-```
-
-```{code-cell} ipython3
-# n'hésitez pas à installer des packages
-# supplémentaires au besoin
-!pip install plotly-express
-```
-
-```{code-cell} ipython3
-# plusieurs courbes en une
-# avec plotly express, pour changer un peu
-import plotly.express as px
-
-selection = ['USA', 'FRA']
-
-start = '2020-03-15'
-date_start = start
-#date_start = pd.to_datetime(start)
-sel = df[(df.iso_code.isin(selection)) & (df.date > date_start)]
-fig1 = px.line(sel, x="date", y="total_deaths_per_million", color="location")
-fig1.update_layout(height= 800, title_text="Décès Covid, cumulés (par million d'habitants)")
-fig1.show()
-```
-
 ## Comment partager ?
 
 +++