197 lines
7.3 KiB
Python
197 lines
7.3 KiB
Python
import numpy as np
|
|
import pandas as pd
|
|
|
|
from app import comp
|
|
from app.comp.moy_sem import comp_ranks_series
|
|
from app.pe.moys import pe_moy
|
|
from app.scodoc.sco_utils import ModuleType
|
|
|
|
CODE_MOY_UE = "UEs"
|
|
CODE_MOY_COMPETENCES = "Compétences"
|
|
CHAMP_GENERAL = "Général" # Nom du champ de la moyenne générale
|
|
|
|
|
|
class MoyennesTag:
|
|
def __init__(
|
|
self,
|
|
tag: str,
|
|
type_moyenne: str,
|
|
matrice_notes: pd.DataFrame, # etudids x UEs|comp
|
|
matrice_coeffs: pd.DataFrame, # etudids x UEs|comp
|
|
):
|
|
"""Classe centralisant la synthèse des moyennes/classements d'une série
|
|
d'étudiants à un tag donné, en différenciant les notes
|
|
obtenues aux UE et au général (toutes UEs confondues)
|
|
|
|
|
|
Args:
|
|
tag: Un tag
|
|
matrice_notes: Les moyennes (etudid x acronymes_ues|compétences)
|
|
aux différentes UEs ou compétences
|
|
matrice_coeffs: Les coeffs (etudid x acronymes_ues|compétences)
|
|
aux différentes UEs ou compétences
|
|
"""
|
|
self.tag = tag
|
|
"""Le tag associé aux moyennes"""
|
|
|
|
self.type = type_moyenne
|
|
"""Le type de moyennes (par UEs ou par compétences)"""
|
|
|
|
# Les moyennes par UE/compétences (ressources/SAEs confondues)
|
|
self.matrice_notes: pd.DataFrame = matrice_notes
|
|
"""Les notes par UEs ou Compétences (DataFrame etudids x UEs|comp)"""
|
|
|
|
self.matrice_coeffs: pd.DataFrame = matrice_coeffs
|
|
"""Les coeffs à appliquer pour le calcul des moyennes générales
|
|
(toutes UE ou compétences confondues). NaN si étudiant non inscrit"""
|
|
|
|
self.champs: list[str] = list(self.matrice_notes.columns)
|
|
"""Les champs (acronymes d'UE ou compétences) renseignés dans les moyennes"""
|
|
assert len(self.champs) == len(
|
|
set(self.champs)
|
|
), "Des champs de moyennes en doublons"
|
|
|
|
self.etudids: list[int] = list(self.matrice_notes.index)
|
|
"""Les étudids renseignés dans les moyennes"""
|
|
|
|
self.moyennes_dict: dict[str, pe_moy.Moyenne] = {}
|
|
"""Dictionnaire associant à chaque UE|Compétence ses données moyenne/class/stat"""
|
|
for col in self.champs: # if ue.type != UE_SPORT:
|
|
# Les moyennes tous modules confondus
|
|
notes = matrice_notes[col]
|
|
self.moyennes_dict[col] = pe_moy.Moyenne(notes)
|
|
|
|
# Les moyennes générales (toutes UEs confondues)
|
|
self.notes_gen = pd.Series(np.nan, index=self.matrice_notes.index)
|
|
"""Notes de la moyenne générale (toutes UEs|Comp confondues)"""
|
|
if self.has_notes():
|
|
self.notes_gen = self.compute_moy_gen(
|
|
self.matrice_notes, self.matrice_coeffs
|
|
)
|
|
self.moyenne_gen = pe_moy.Moyenne(self.notes_gen)
|
|
"""Dataframe retraçant les moyennes/classements/statistiques général (toutes UESs confondues et modules confondus)"""
|
|
|
|
def has_notes(self):
|
|
"""Détermine si les moyennes (aux UEs ou aux compétences)
|
|
ont des notes
|
|
|
|
Returns:
|
|
True si la moytag a des notes, False sinon
|
|
"""
|
|
for col, moy in self.moyennes_dict.items():
|
|
if not moy.has_notes():
|
|
return False
|
|
return True
|
|
# notes = self.matrice_notes
|
|
|
|
# nbre_nan = notes.isna().sum().sum()
|
|
# nbre_notes_potentielles = len(notes.index) * len(notes.columns)
|
|
# if nbre_nan == nbre_notes_potentielles:
|
|
# return False
|
|
# else:
|
|
# return True
|
|
|
|
def compute_moy_gen(self, moys: pd.DataFrame, coeffs: pd.DataFrame) -> pd.Series:
|
|
"""Calcule la moyenne générale (toutes UE/compétences confondus), en pondérant
|
|
les notes obtenues aux UEs|Compétences par les coeff (ici les crédits ECTS).
|
|
|
|
Args:
|
|
moys: Les moyennes (etudids x acronymes_ues/compétences)
|
|
coeff: Les coeff (etudids x acronymes_ues/compétences)
|
|
"""
|
|
|
|
# Calcule la moyenne générale dans le semestre (pondérée par le ECTS)
|
|
try:
|
|
moy_gen_tag = comp.moy_sem.compute_sem_moys_apc_using_ects(
|
|
moys,
|
|
coeffs.fillna(0.0),
|
|
# formation_id=self.formsemestre.formation_id,
|
|
skip_empty_ues=True,
|
|
)
|
|
return moy_gen_tag
|
|
except TypeError as e:
|
|
raise TypeError(
|
|
"Pb dans le calcul de la moyenne toutes UEs/compétences confondues"
|
|
)
|
|
|
|
def to_df(
|
|
self, aggregat=None, cohorte=None, options={"min_max_moy": True}
|
|
) -> pd.DataFrame:
|
|
"""Renvoie le df synthétisant l'ensemble des données connues.
|
|
Adapte les intitulés des colonnes aux données fournies
|
|
(nom d'aggrégat, type de cohorte).
|
|
|
|
Args:
|
|
aggregat: Le nom de l'aggrégat (éventuellement `None` si non connu)
|
|
cohorte: La cohorte Groupe ou Promo (éventuellement `None` si non connue)
|
|
"""
|
|
if "min_max_moy" not in options or options["min_max_moy"]:
|
|
with_min_max_moy = True
|
|
else:
|
|
with_min_max_moy = False
|
|
|
|
# Les étudiants triés par etudid
|
|
etudids_sorted = sorted(self.etudids)
|
|
|
|
# Le dataFrame à générer
|
|
df = pd.DataFrame(index=etudids_sorted)
|
|
|
|
# Ajout des notes pour tous les champs
|
|
champs = list(self.champs)
|
|
for champ in champs:
|
|
moy: pe_moy.Moyenne = self.moyennes_dict[champ]
|
|
df_champ = moy.to_df(with_min_max_moy=with_min_max_moy) # le dataframe
|
|
# Renomme les colonnes
|
|
|
|
cols = [
|
|
get_colonne_df(aggregat, self.tag, champ, cohorte, critere)
|
|
for critere in pe_moy.Moyenne.get_colonnes_synthese(
|
|
with_min_max_moy=with_min_max_moy
|
|
)
|
|
]
|
|
df_champ.columns = cols
|
|
df = df.join(df_champ)
|
|
|
|
# Ajoute la moy générale
|
|
df_moy_gen = self.moyenne_gen.to_df(with_min_max_moy=with_min_max_moy)
|
|
cols = [
|
|
get_colonne_df(aggregat, self.tag, CHAMP_GENERAL, cohorte, critere)
|
|
for critere in pe_moy.Moyenne.get_colonnes_synthese(
|
|
with_min_max_moy=with_min_max_moy
|
|
)
|
|
]
|
|
df_moy_gen.columns = cols
|
|
df = df.join(df_moy_gen)
|
|
|
|
return df
|
|
|
|
|
|
def get_colonne_df(aggregat, tag, champ, cohorte, critere):
|
|
"""Renvoie le tuple (aggregat, tag, champ, cohorte, critere)
|
|
utilisé pour désigner les colonnes du df.
|
|
|
|
Args:
|
|
aggregat: Un nom d'aggrégat (généralement "S1" ou "3S")
|
|
pouvant être optionnel (si `None`)
|
|
tag: Un nom de tags (par ex. "maths")
|
|
champ: Un nom d'UE ou de compétences
|
|
cohorte: Une cohorte pour les interclassements (généralement
|
|
Groupe ou Promo
|
|
pouvant être optionnel (si `None`)
|
|
critere: Un critère correspondant à l'une des colonnes
|
|
d'une pe_moy.Moyenne
|
|
Returns:
|
|
Une chaine de caractères indiquant les champs séparés par
|
|
un ``"|"``, généralement de la forme
|
|
"S1|maths|UE|Groupe|note"
|
|
"""
|
|
liste_champs = []
|
|
if aggregat != None:
|
|
liste_champs += [aggregat]
|
|
|
|
liste_champs += [tag, champ]
|
|
if cohorte != None:
|
|
liste_champs += [cohorte]
|
|
liste_champs += [critere]
|
|
return "|".join(liste_champs)
|