[dataset] Simplifying country code mapping (#107)

* [dataset] Simplifying country code mapping

* update a small bug in prob_dist

lectures/datasets/country_code_cn.csv

@@ -1,171 +1,28 @@
 code,name,name_chinese
-AFG,Afghanistan,阿富汗
-AGO,Angola,安哥拉
-ALB,Albania,阿尔巴尼亚
-ARE,United Arab Emirates,阿拉伯联合酋长国
 ARG,Argentina,阿根廷
-ARM,Armenia,亚美尼亚
 AUS,Australia,澳大利亚
-AUT,Austria,奥地利
-AZE,Azerbaijan,阿塞拜疆
-BDI,Burundi,布隆迪
-BEL,Belgium,比利时
-BEN,Benin,贝宁
-BFA,Burkina Faso,布基纳法索
-BGD,Bangladesh,孟加拉国
-BGR,Bulgaria,保加利亚
-BHR,Bahrain,巴林
-BIH,Bosnia and Herzegovina,波斯尼亚和黑塞哥维那
-BLR,Belarus,白俄罗斯
-BOL,Bolivia (Plurinational State of),玻利维亚
+BEM,British Empire,大英帝国
 BRA,Brazil,巴西
-BRB,Barbados,巴巴多斯
-BWA,Botswana,博茨瓦纳
-CAF,Central African Republic,中非共和国
 CAN,Canada,加拿大
 CHE,Switzerland,瑞士
-CHL,Chile,智利
 CHN,China,中国
-CIV,Côte d'Ivoire,科特迪瓦
-CMR,Cameroon,喀麦隆
-COD,D.R. of the Congo,刚果民主共和国
-COG,Congo,刚果共和国
-COL,Colombia,哥伦比亚
-COM,Comoros,科摩罗
-CPV,Cabo Verde,佛得角
-CRI,Costa Rica,哥斯达黎加
-CSK,Czechoslovakia,捷克斯洛伐克
-CUB,Cuba,古巴
-CYP,Cyprus,塞浦路斯
-CZE,Czech Republic,捷克共和国
 DEU,Germany,德国
-DJI,Djibouti,吉布提
-DMA,Dominica,多米尼克
 DNK,Denmark,丹麦
-DOM,Dominican Republic,多米尼加共和国
-DZA,Algeria,阿尔及利亚
-ECU,Ecuador,厄瓜多尔
 EGY,Egypt,埃及
 ESP,Spain,西班牙
-EST,Estonia,爱沙尼亚
-ETH,Ethiopia,埃塞俄比亚
 FIN,Finland,芬兰
 FRA,France,法国
-GAB,Gabon,加蓬
 GBR,United Kingdom,英国
-GEO,Georgia,格鲁吉亚
-GHA,Ghana,加纳
-GIN,Guinea,几内亚
-GMB,Gambia,冈比亚
-GNB,Guinea-Bissau,几内亚比绍
-GNQ,Equatorial Guinea,赤道几内亚
 GRC,Greece,希腊
-GTM,Guatemala,危地马拉
-HKG,"China, Hong Kong SAR",中国香港特别行政区
-HND,Honduras,洪都拉斯
-HRV,Croatia,克罗地亚
-HTI,Haiti,海地
-HUN,Hungary,匈牙利
-IDN,Indonesia,印度尼西亚
 IND,India,印度
-IRL,Ireland,爱尔兰
-IRN,Iran (Islamic Republic of),伊朗
-IRQ,Iraq,伊拉克
-ISL,Iceland,冰岛
-ISR,Israel,以色列
 ITA,Italy,意大利
-JAM,Jamaica,牙买加
-JOR,Jordan,约旦
 JPN,Japan,日本
-KAZ,Kazakhstan,哈萨克斯坦
-KEN,Kenya,肯尼亚
-KGZ,Kyrgyzstan,吉尔吉斯斯坦
-KHM,Cambodia,柬埔寨
 KOR,Republic of Korea,大韩民国
-KWT,Kuwait,科威特
-LAO,Lao People's DR,老挝人民民主共和国
-LBN,Lebanon,黎巴嫩
-LBR,Liberia,利比里亚
-LBY,Libya,利比亚
-LCA,Saint Lucia,圣卢西亚
-LKA,Sri Lanka,斯里兰卡
-LSO,Lesotho,莱索托
-LTU,Lithuania,立陶宛
-LUX,Luxembourg,卢森堡
-LVA,Latvia,拉脱维亚
-MAR,Morocco,摩洛哥
-MDA,Republic of Moldova,摩尔多瓦共和国
-MDG,Madagascar,马达加斯加
 MEX,Mexico,墨西哥
-MKD,TFYR of Macedonia,前南斯拉夫马其顿共和国
-MLI,Mali,马里
-MLT,Malta,马耳他
-MMR,Myanmar,缅甸
 MNE,Montenegro,黑山
-MNG,Mongolia,蒙古
-MOZ,Mozambique,莫桑比克
-MRT,Mauritania,毛里塔尼亚
-MUS,Mauritius,毛里求斯
-MWI,Malawi,马拉维
-MYS,Malaysia,马来西亚
-NAM,Namibia,纳米比亚
-NER,Niger,尼日尔
-NGA,Nigeria,尼日利亚
-NIC,Nicaragua,尼加拉瓜
-NLD,Netherlands,荷兰
 NOR,Norway,挪威
-NPL,Nepal,尼泊尔
-NZL,New Zealand,新西兰
-OMN,Oman,阿曼
-PAK,Pakistan,巴基斯坦
-PAN,Panama,巴拿马
-PER,Peru,秘鲁
-PHL,Philippines,菲律宾
-POL,Poland,波兰
-PRI,Puerto Rico,波多黎各
-PRK,D.P.R. of Korea,朝鲜民主主义人民共和国
-PRT,Portugal,葡萄牙
-PRY,Paraguay,巴拉圭
-PSE,State of Palestine,巴勒斯坦国
-QAT,Qatar,卡塔尔
-ROU,Romania,罗马尼亚
 RUS,Russian Federation,俄罗斯联邦
-RWA,Rwanda,卢旺达
-SAU,Saudi Arabia,沙特阿拉伯
-SDN,Sudan (Former),苏丹（前）
-SEN,Senegal,塞内加尔
 SGP,Singapore,新加坡
-SLE,Sierra Leone,塞拉利昂
-SLV,El Salvador,萨尔瓦多
-SRB,Serbia,塞尔维亚
-STP,Sao Tome and Principe,圣多美和普林西比
 SUN,Former USSR,前苏联
-SVK,Slovakia,斯洛伐克
-SVN,Slovenia,斯洛文尼亚
 SWE,Sweden,瑞典
-SWZ,Swaziland,斯威士兰
-SYC,Seychelles,塞舌尔
-SYR,Syrian Arab Republic,阿拉伯叙利亚共和国
-TCD,Chad,乍得
-TGO,Togo,多哥
-THA,Thailand,泰国
-TJK,Tajikistan,塔吉克斯坦
-TKM,Turkmenistan,土库曼斯坦
-TTO,Trinidad and Tobago,特立尼达和多巴哥
-TUN,Tunisia,突尼斯
-TUR,Turkey,土耳其
-TWN,"Taiwan, Province of China",台湾，中国的省份
-TZA,U.R. of Tanzania: Mainland,坦桑尼亚联合共和国：大陆
-UGA,Uganda,乌干达
-UKR,Ukraine,乌克兰
-URY,Uruguay,乌拉圭
 USA,United States,美国
-UZB,Uzbekistan,乌兹别克斯坦
-VEN,Venezuela (Bolivarian Republic of),委内瑞拉
-VNM,Viet Nam,越南
-YEM,Yemen,也门
-YUG,Former Yugoslavia,前南斯拉夫
-ZAF,South Africa,南非
-ZMB,Zambia,赞比亚
-ZWE,Zimbabwe,津巴布韦
-BEM,British Empire,大英帝国

lectures/prob_dist.md

@@ -4,7 +4,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.16.1
+    jupytext_version: 1.16.4
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -25,6 +25,7 @@ kernelspec:
 
 !pip install --upgrade yfinance  
 ```
+
 ```{code-cell} ipython3
 import matplotlib.pyplot as plt
 import matplotlib as mpl
@@ -38,6 +39,7 @@ FONTPATH = "fonts/SourceHanSerifSC-SemiBold.otf"
 mpl.font_manager.fontManager.addfont(FONTPATH)
 plt.rcParams['font.family'] = ['Source Han Serif SC']
 ```
+
 ## 常见分布
 
 在本节中，我们回顾一些众所周知的分布的定义，并探讨如何使用 SciPy 来操作它们。
@@ -114,6 +116,7 @@ u.mean(), u.var()
 ```{code-cell} ipython3
 u.pmf(1)
 ```
+
 ```{code-cell} ipython3
 u.pmf(2)
 ```
@@ -130,6 +133,7 @@ ax.set_xlabel('S')
 ax.set_ylabel('PMF')
 plt.show()
 ```
+
 这里是 CDF 的图：
 
 ```{code-cell} ipython3
@@ -177,16 +181,19 @@ $$
 θ = 0.4
 u = scipy.stats.bernoulli(θ)
 ```
+
 这是 $\theta=0.4$ 时的均值和方差：
 
 ```{code-cell} ipython3
 u.mean(), u.var()
 ```
+
 我们可以评估 PMF 如下：
 
 ```{code-cell} ipython3
 u.pmf(0), u.pmf(1)
 ```
+
 #### 二项分布
 
 另一个有用（而且更有趣）的分布是 $S=\{0, \ldots, n\}$ 上的**二项分布**，其 PMF 为：
@@ -216,6 +223,7 @@ u = scipy.stats.binom(n, θ)
 ```{code-cell} ipython3
 n * θ,  n *  θ * (1 - θ)  
 ```
+
 让我们看看SciPy是否给出了相同的结果：
 
 ```{code-cell} ipython3
@@ -861,7 +869,7 @@ x_costco = prices.pct_change()[1:] * 100
 
 ```{code-cell} ipython3
 fig, ax = plt.subplots()
-ax.violinplot([x_amazon, x_costco])
+ax.violinplot([x_amazon['AMZN'], x_costco['COST']])
 ax.set_ylabel('月度回报率（百分比变化）')
 ax.set_xlabel('零售商')
 
@@ -928,4 +936,4 @@ plt.show()
 
 请注意，如果你不断增加 $N$，即观测数量，拟合效果会越来越好。
 
-这种收敛是“大数定律”的一个版本，我们将在{ref}`以后<lln_mr>`讨论。
+这种收敛是“大数定律”的一个版本，我们将在{ref}`以后<lln_mr>`讨论。