forked from ScoDoc/ScoDoc
123 lines
4.2 KiB
Python
123 lines
4.2 KiB
Python
# -*- mode: python -*-
|
|
# -*- coding: utf-8 -*-
|
|
|
|
##############################################################################
|
|
#
|
|
# Gestion scolarite IUT
|
|
#
|
|
# Copyright (c) 1999 - 2024 Emmanuel Viennet. All rights reserved.
|
|
#
|
|
# This program is free software; you can redistribute it and/or modify
|
|
# it under the terms of the GNU General Public License as published by
|
|
# the Free Software Foundation; either version 2 of the License, or
|
|
# (at your option) any later version.
|
|
#
|
|
# This program is distributed in the hope that it will be useful,
|
|
# but WITHOUT ANY WARRANTY; without even the implied warranty of
|
|
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
|
|
# GNU General Public License for more details.
|
|
#
|
|
# You should have received a copy of the GNU General Public License
|
|
# along with this program; if not, write to the Free Software
|
|
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
|
|
#
|
|
# Emmanuel Viennet emmanuel.viennet@viennet.net
|
|
#
|
|
##############################################################################
|
|
|
|
##############################################################################
|
|
# Module "Avis de poursuite d'étude"
|
|
# conçu et développé par Cléo Baras (IUT de Grenoble)
|
|
##############################################################################
|
|
|
|
|
|
"""
|
|
Created on Thu Sep 8 09:36:33 2016
|
|
|
|
@author: barasc
|
|
"""
|
|
|
|
import pandas as pd
|
|
|
|
from app.models import Identite
|
|
|
|
TAGS_RESERVES = ["but"]
|
|
|
|
|
|
class TableTag(object):
|
|
def __init__(self):
|
|
"""Classe centralisant différentes méthodes communes aux
|
|
SemestreTag, TrajectoireTag, AggregatInterclassTag
|
|
"""
|
|
# Les étudiants
|
|
# self.etuds: list[Identite] = None # A venir
|
|
"""Les étudiants"""
|
|
# self.etudids: list[int] = {}
|
|
"""Les etudids"""
|
|
|
|
def add_etuds(self, etuds: list[Identite]):
|
|
"""Mémorise les informations sur les étudiants
|
|
|
|
Args:
|
|
etuds: la liste des identités de l'étudiant
|
|
"""
|
|
# self.etuds = etuds
|
|
self.etudids = list({etud.etudid for etud in etuds})
|
|
|
|
def get_all_tags(self):
|
|
"""Liste des tags de la table, triée par ordre alphabétique,
|
|
extraite des clés du dictionnaire ``moyennes_tags`` connues (tags en doublon
|
|
possible).
|
|
|
|
Returns:
|
|
Liste de tags triés par ordre alphabétique
|
|
"""
|
|
return sorted(list(self.moyennes_tags.keys()))
|
|
|
|
def df_moyennes_et_classements(self) -> pd.DataFrame:
|
|
"""Renvoie un dataframe listant toutes les moyennes,
|
|
et les classements des étudiants pour tous les tags.
|
|
|
|
Est utilisé pour afficher le détail d'un tableau taggué
|
|
(semestres, trajectoires ou aggrégat)
|
|
|
|
Returns:
|
|
Le dataframe des notes et des classements
|
|
"""
|
|
|
|
etudiants = {etud.etudid: [etud.nom, etud.prenom] for etud in self.etuds}
|
|
df = pd.DataFrame.from_dict(etudiants, orient="index", columns=["nom", "prenom"])
|
|
|
|
tags_tries = self.get_all_tags()
|
|
for tag in tags_tries:
|
|
moy_tag = self.moyennes_tags[tag]
|
|
for acronyme in moy_tag.moyennes:
|
|
moy = moy_tag.moyennes[acronyme] # une moyenne
|
|
df = df.join(moy.synthese["notes"].rename(f"Moy {tag}-{acronyme}"))
|
|
df = df.join(
|
|
moy.synthese["classements"].rename(f"Class {tag}-{acronyme}")
|
|
)
|
|
moy_gen = moy_tag.moyenne_gen
|
|
df = df.join(moy_gen.synthese["notes"].rename(f"Moy {tag} (gen)"))
|
|
df = df.join(moy_gen.synthese["classements"].rename(f"Class {tag} (gen)"))
|
|
|
|
df.sort_values(by=["nom", "prenom"])
|
|
|
|
return df
|
|
|
|
def df_notes(self) -> pd.DataFrame | None:
|
|
"""Renvoie un dataframe (etudid x tag) listant toutes les moyennes par tags
|
|
|
|
Returns:
|
|
Un dataframe etudids x tag (avec tag par ordre alphabétique)
|
|
"""
|
|
tags_tries = self.get_all_tags()
|
|
if tags_tries:
|
|
dict_series = {}
|
|
for tag in tags_tries:
|
|
# Les moyennes associés au tag
|
|
moy_tag = self.moyennes_tags[tag]
|
|
dict_series[tag] = moy_tag.synthese["notes"]
|
|
df = pd.DataFrame(dict_series)
|
|
return df
|