From e20cc9f28b144b317c3eb4106139bf76f2325082 Mon Sep 17 00:00:00 2001 From: Matt McKay Date: Wed, 23 Sep 2026 16:13:06 +1000 Subject: [PATCH 1/2] Round-2 consistency pass: namespace and renvoyer rulings edition-wide, plus two hand-ports MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Brings the rest of the edition into line with the editor's round-2 rulings (#77, #78, #80), following the #26 pattern: - « espace de noms » -> « espace de nommage » (#80, per the official French Python docs): oop_intro.md:398, scipy.md:88, python_oop.md:262/296. The adjective at oop_intro.md:398 stays « intégré » pending the editor's built-in ruling. - « retourner » -> « renvoyer » for returned values (#80): pandas_panel.md:466/475/479/517/523, polars.md:546. - functions.md:348: the English "standard normals" are draws, so « variables normales centrées réduites », not « lois ». Hand-ports: - numpy.md:1296: `discreteRV` -> `DiscreteRV`, the QuantEcon/lecture-python-programming#604 edit that never arrived (the numpy.md sync fails structural parity until the source's duplicated {index} is removed). - sympy.md: repair the garbled seed anchor `(sympy=` and drop the duplicate `(sympy)=` added before the title, matching the source pre-title. No typography changes (apply.mjs --dry-run: 0/27). Co-Authored-By: Claude Opus 5.5 (1M context) --- lectures/functions.md | 2 +- lectures/numpy.md | 2 +- lectures/oop_intro.md | 2 +- lectures/pandas_panel.md | 10 +++++----- lectures/polars.md | 2 +- lectures/python_oop.md | 4 ++-- lectures/scipy.md | 2 +- lectures/sympy.md | 3 +-- 8 files changed, 13 insertions(+), 14 deletions(-) diff --git a/lectures/functions.md b/lectures/functions.md index 015d9e7..b521791 100644 --- a/lectures/functions.md +++ b/lectures/functions.md @@ -345,7 +345,7 @@ Le résultat net est que le nom `data` est *lié* à la liste `ϵ_values` renvoy Notre fonction `generate_data()` est plutôt limitée. -Rendons-la légèrement plus utile en lui donnant la capacité de renvoyer soit des lois normales centrées réduites, soit des variables aléatoires uniformes sur $(0, 1)$ selon les besoins. +Rendons-la légèrement plus utile en lui donnant la capacité de renvoyer soit des variables normales centrées réduites, soit des variables aléatoires uniformes sur $(0, 1)$ selon les besoins. Ceci est réalisé dans le morceau de code suivant. diff --git a/lectures/numpy.md b/lectures/numpy.md index a7f010c..b7f90f5 100644 --- a/lectures/numpy.md +++ b/lectures/numpy.md @@ -1293,7 +1293,7 @@ La logique peut sembler difficile au premier abord. Prenez le temps d'examiner c Il y a cependant un problème ici. -Supposons que `q` soit modifié après la création d'une instance de `discreteRV`, par exemple par +Supposons que `q` soit modifié après la création d'une instance de `DiscreteRV`, par exemple par ```{code-cell} python3 q = (0.1, 0.9) diff --git a/lectures/oop_intro.md b/lectures/oop_intro.md index 221b209..38019a4 100644 --- a/lectures/oop_intro.md +++ b/lectures/oop_intro.md @@ -395,7 +395,7 @@ ou print(sorted(dir(True))) ``` -Puisque le type de données booléen est un type primitif, vous pouvez aussi le trouver dans l'espace de noms intégré +Puisque le type de données booléen est un type primitif, vous pouvez aussi le trouver dans l'espace de nommage intégré ```{code-cell} python3 print(dir(__builtins__.bool)) diff --git a/lectures/pandas_panel.md b/lectures/pandas_panel.md index b870396..2cd1077 100644 --- a/lectures/pandas_panel.md +++ b/lectures/pandas_panel.md @@ -463,7 +463,7 @@ grouped L'appel d'une méthode d'agrégation sur l'objet applique la fonction à chaque groupe, dont les résultats sont combinés dans une nouvelle structure de données. -Par exemple, nous pouvons retourner le nombre de pays de notre ensemble de données pour +Par exemple, nous pouvons renvoyer le nombre de pays de notre ensemble de données pour chaque continent en utilisant `.size()`. Dans ce cas, notre nouvelle structure de données est une `Series` @@ -472,11 +472,11 @@ Dans ce cas, notre nouvelle structure de données est une `Series` grouped.size() ``` -En appelant `.get_group()` pour retourner uniquement les pays d'un seul groupe, +En appelant `.get_group()` pour renvoyer uniquement les pays d'un seul groupe, nous pouvons créer une estimation par noyau de la densité de la distribution des salaires minimums réels en 2016 pour chaque continent. -`grouped.groups.keys()` retournera les clés de l'objet `groupby` +`grouped.groups.keys()` renverra les clés de l'objet `groupby` ```{code-cell} ipython3 continents = grouped.groups.keys() @@ -514,13 +514,13 @@ L'ensemble de données est accessible via le lien suivant : url3 = 'https://raw.githubusercontent.com/QuantEcon/data-lectures/main/lectures/employ.csv' ``` -La lecture du fichier CSV retourne un ensemble de données de panel au format long. Utilisez `.pivot_table()` pour construire +La lecture du fichier CSV renvoie un ensemble de données de panel au format long. Utilisez `.pivot_table()` pour construire un dataframe au format large avec un `MultiIndex` dans les colonnes. Commencez par explorer le dataframe et les variables disponibles dans les niveaux du `MultiIndex`. -Écrivez un programme qui retourne rapidement toutes les valeurs du `MultiIndex`. +Écrivez un programme qui renvoie rapidement toutes les valeurs du `MultiIndex`. ```{exercise-end} ``` diff --git a/lectures/polars.md b/lectures/polars.md index c797e42..0558b5e 100644 --- a/lectures/polars.md +++ b/lectures/polars.md @@ -543,7 +543,7 @@ Ce qu'il faut retenir : Polars peut être significativement plus rapide grâce à son moteur Rust, à l'exécution parallèle et (en mode paresseux) à l'optimisation des requêtes. -L'API paresseuse est particulièrement puissante lors de la lecture depuis le disque --- `scan_csv` retourne directement un `LazyFrame`, de sorte que les filtres et projections sont poussés jusqu'au lecteur de fichier. +L'API paresseuse est particulièrement puissante lors de la lecture depuis le disque --- `scan_csv` renvoie directement un `LazyFrame`, de sorte que les filtres et projections sont poussés jusqu'au lecteur de fichier. ```{tip} Utilisez `pl.scan_csv(path)` plutôt que `pl.read_csv(path)` lorsque vous travaillez avec diff --git a/lectures/python_oop.md b/lectures/python_oop.md index 915c33d..0c5e8e8 100644 --- a/lectures/python_oop.md +++ b/lectures/python_oop.md @@ -259,7 +259,7 @@ La méthode `__init__` est une *méthode constructeur*. Chaque fois que nous créons une instance de la classe, la méthode `__init_` sera appelée automatiquement. -L'appel de `__init__` met en place un « espace de noms » pour contenir les données d'instance — nous y reviendrons bientôt. +L'appel de `__init__` met en place un « espace de nommage » pour contenir les données d'instance — nous y reviendrons bientôt. Nous discuterons également en détail ci-dessous du rôle du particulier dispositif de gestion `self`. @@ -293,7 +293,7 @@ c2.wealth c1.wealth ``` -Chaque instance, c'est-à-dire chaque consommateur, stocke ses données dans un dictionnaire d'espace de noms distinct +Chaque instance, c'est-à-dire chaque consommateur, stocke ses données dans un dictionnaire d'espace de nommage distinct ```{code-cell} python3 c1.__dict__ diff --git a/lectures/scipy.md b/lectures/scipy.md index 54f36c2..d831e26 100644 --- a/lectures/scipy.md +++ b/lectures/scipy.md @@ -85,7 +85,7 @@ Dans ce cours, nous cherchons uniquement à mettre en évidence quelques parties SciPy est un package qui contient divers outils construits sur NumPy, en utilisant son type de données tableau et les fonctionnalités connexes. ````{note} -Dans les anciennes versions de SciPy (`scipy < 0.15.1`), importer le package importait aussi les symboles NumPy dans l'espace de noms global, comme on peut le voir dans cet extrait du fichier d'initialisation de SciPy : +Dans les anciennes versions de SciPy (`scipy < 0.15.1`), importer le package importait aussi les symboles NumPy dans l'espace de nommage global, comme on peut le voir dans cet extrait du fichier d'initialisation de SciPy : ```python from numpy import * diff --git a/lectures/sympy.md b/lectures/sympy.md index fd76921..bb01ceb 100644 --- a/lectures/sympy.md +++ b/lectures/sympy.md @@ -32,7 +32,7 @@ translation: Exercises: Exercices --- -(sympy= +(sympy)= ```{raw} jupyter ``` -(sympy)= # {index}`SymPy ` ```{index} single: Python; SymPy From c4cfbdff810a1431b72bf9510805f7269858cd4a Mon Sep 17 00:00:00 2001 From: Matt McKay Date: Wed, 23 Sep 2026 16:29:33 +1000 Subject: [PATCH 2/2] python_oop.md: `__init_` -> `__init__` A one-character typo carried over from the English source (QuantEcon/lecture-python-programming python_oop.md:243, listed in QuantEcon/lecture-python-programming#633). Raised by Copilot review. Co-Authored-By: Claude Opus 5.5 (1M context) --- lectures/python_oop.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/lectures/python_oop.md b/lectures/python_oop.md index 0c5e8e8..a246914 100644 --- a/lectures/python_oop.md +++ b/lectures/python_oop.md @@ -257,7 +257,7 @@ Les méthodes `earn` et `spend` déploient les fonctions que nous avons décrite La méthode `__init__` est une *méthode constructeur*. -Chaque fois que nous créons une instance de la classe, la méthode `__init_` sera appelée automatiquement. +Chaque fois que nous créons une instance de la classe, la méthode `__init__` sera appelée automatiquement. L'appel de `__init__` met en place un « espace de nommage » pour contenir les données d'instance — nous y reviendrons bientôt.