fix df cases (#58)

_toc.yml

@@ -29,6 +29,7 @@ subtrees:
     - file: ch-dask-dataframe/indexing
     - file: ch-dask-dataframe/map-partitions
     - file: ch-dask-dataframe/shuffle
+    - file: ch-dask-dataframe/dask-case-study
   - file: ch-dask-ml/index
     entries:
     - file: ch-dask-ml/preprocessing

ch-ray-data/modin.ipynb

@@ -318,8 +318,9 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## 案例：纽约市出租车数据集\n",
-    "纽约市出租车数据集记录了黄色出租车的详细行程信息，包括上车和下车时间、乘客数量、行程距离及费用等。这些数据通常用来分析出租车的使用情况、交通模式、乘客行为等，我们将使用 Modin 进行数据分析实战案例。"
+    "## 案例：纽约市出租车数据分析\n",
+    "\n",
+    "我们将使用 Modin 对出租车数据进行数据分析。"
    ]
   },
   {
@@ -330,8 +331,6 @@
    "source": [
     "import os\n",
     "\n",
-    "new_directory = \"/home/u2022201752/scale-py-zh\"\n",
-    "os.chdir(new_directory)\n",
     "os.environ[\"MODIN_ENGINE\"] = \"dask\"\n",
     "\n",
     "import modin.config as modin_cfg\n",
@@ -348,7 +347,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "我们先读取数据。我们可以使用`read_parquet_glob()`与通配符`*`直接读取多个Parquet文件，在这里我们仅使用`read_parquet()`。"
+    "我们先读取数据。我们可以使用 `read_parquet_glob()` 与通配符 `*` 直接读取多个 Parquet 文件，在这里我们仅使用 `read_parquet()`。"
    ]
   },
   {
@@ -582,7 +581,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "接下来我们进行数据的条件筛选并使用`groupby()`切分数据。"
+    "接下来我们进行数据的条件筛选并使用 `groupby()` 切分数据。"
    ]
   },
   {
@@ -658,7 +657,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "我们再使用`apply()`对数据进行操作，以及使用`pivot_table()`创建数据透视表。"
+    "我们再使用 `apply()` 对数据进行操作，以及使用 `pivot_table()` 创建数据透视表。"
    ]
   },
   {
@@ -762,7 +761,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.9"
+   "version": "3.11.8"
   }
  },
  "nbformat": 4,

utils.py

@@ -51,7 +51,7 @@ def nyc_taxi():
 
 @data_path_decorator
 def nyc_flights():
-    return ["https://dp.godaai.org/nyc-flights.zip"]
+    return ["https://scale-py.godaai.org/nyc-flights.zip"]
 
 
 @data_path_decorator