Deuxième vague de correctifs

.github/workflows/prod.yml

@@ -4,7 +4,7 @@ on:
   push:
     branches:
       - main
-      - fix-nb
+      - issue-632
 
 jobs:
   pages:

content/visualisation/01_matplotlib/_exo2_solution.qmd

@@ -73,7 +73,6 @@ g = sns.catplot(x='sum_counts', y='nom_compteur', data=df1, kind = "bar", height
 g.set_axis_labels(xaxis, yaxis)
 plt.title(title)
 ```
-:::
 
 ::: {.content-visible when-profile="fr"}
 ```{python}

content/visualisation/01_matplotlib/_exo4_solution.qmd

@@ -193,19 +193,20 @@ Here, there are few parameters to modify since our scales already suit us well (
 :::
 
 
-::: {.content-visible when-profile="en"}
+::: {.content-visible when-profile="fr"}
 ## Les labels et les thèmes
 
 La fin de la déclaration de notre figure se fait à travers les éléments de forme que sont les labels (axes, titres, notes de lecture...) et le thème (préconfiguré à travers la famille `theme_` ou personnalisé avec les paramètres de la fonction `theme`). Avant cela, réduisons la taille de nos labels de $y$ 
 :::
 
-::: {.content-visible when-profile="fr"}
+::: {.content-visible when-profile="en"}
 ## Labels and themes
 
 The final declaration of our figure is done using the formal elements that are labels (axes, titles, reading notes, etc.) and the theme (preconfigured through the `theme_` family or customised with the parameters of the `theme` function). Before that, let's reduce the size of our labels by $y$
 :::
 
 ```{python}
+#| echo: true
 import textwrap
 
 def wrap_label(s, width=30):
@@ -226,6 +227,7 @@ We can now customise our figure:
 #| label: fig-gg5-fr-showed
 #| output: false
 #| echo: true
+
 p = ( 
     ggplot(df1, aes(x="nom_compteur", y="sum_counts")) +
     geom_bar(stat="identity", fill="red") +

content/visualisation/01_matplotlib/_intro.qmd

@@ -78,7 +78,7 @@ The subsequent step is to advance the work of communication and synthesis throug
 ::: {.callout-important}
 ## Utiliser une interface interactive pour visualiser les graphiques
 
-Pour les chapitres de visualisation, il est vivement recommandé d’utiliser `Python` par le biais d'une interface interactive comme un _notebook Jupyter_ (via `VSCode` ou `Jupyter` par exemple, cf. [le chapitre de présentation des notebooks {{< fa arrow-up-right-from-square >}}](/content/getting-started/01_environment.qmd)){target="_blank"}. 
+Pour les chapitres de visualisation, il est vivement recommandé d’utiliser `Python` par le biais d'une interface interactive comme un _notebook Jupyter_ (via `VSCode` ou `Jupyter` par exemple, cf. [le chapitre de présentation des notebooks {{< fa arrow-up-right-from-square >}}](/content/getting-started/01_environment.qmd){target="_blank"}). 
 
 Cela permet de visualiser les graphiques immédiatement sous chaque cellule de code, de les ajuster facilement, et de tester des modifications en temps réel.
 
@@ -94,7 +94,7 @@ Cela permet de visualiser les graphiques immédiatement sous chaque cellule de c
 
 ## Use an interactive interface to visualize graphics
 
-For visualization chapters, it is highly recommended to use `Python` via an interactive interface such as a _notebook Jupyter_ (via `VSCode` or `Jupyter` for example, see [the notebook presentation chapter {{< fa arrow-up-right-from-square >}}](/content/getting-started/01_environment.qmd)){target="_blank"}. 
+For visualization chapters, it is highly recommended to use `Python` via an interactive interface such as a _notebook Jupyter_ (via `VSCode` or `Jupyter` for example, see [the notebook presentation chapter {{< fa arrow-up-right-from-square >}}](/content/getting-started/01_environment.qmd){target="_blank"}). 
 
 This makes it possible to view the graphics immediately below each code cell, to adjust them easily, and to test modifications in real time.
 Conversely, if scripts are run from a conventional console (e.g., by writing to a `.py` file and executing line by line with <kbd>MAJ</kbd>+,<kbd>ENTREE</kbd> in `VSCode`), the graphics will not be displayed in a popup window_ requiring additional commands to save them, before opening the exports manually and being able to correct the code if necessary. This makes for a more laborious learning experience.

content/visualisation/01_matplotlib/_plotnine.qmd

@@ -43,7 +43,8 @@ We will need hierarchical data to have bars ordered in a consistent manner:
 #| echo: true
 df1["nom_compteur"] = pd.Categorical(
     df1["nom_compteur"],
-    categories = df1["nom_compteur"][::-1]
+    categories = df1["nom_compteur"][::-1],
+    ordered=True
 )
 ```