# -*- mode: python -*- # -*- coding: utf-8 -*- ############################################################################## # # Gestion scolarite IUT # # Copyright (c) 1999 - 2022 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 # ############################################################################## """Fonctions de calcul des moyennes de semestre (indicatives dans le BUT) """ import numpy as np import pandas as pd from flask import flash, g, Markup, url_for from app.models.formations import Formation def compute_sem_moys_apc_using_coefs( etud_moy_ue_df: pd.DataFrame, modimpl_coefs_df: pd.DataFrame ) -> pd.Series: """Calcule les moyennes générales indicatives de tous les étudiants = moyenne des moyennes d'UE, pondérée par la somme de leurs coefs etud_moy_ue_df: DataFrame, colonnes ue_id, lignes etudid modimpl_coefs_df: DataFrame, colonnes moduleimpl_id, lignes UE (sans ue bonus) Result: panda Series, index etudid, valeur float (moyenne générale) """ moy_gen = (etud_moy_ue_df * modimpl_coefs_df.values.sum(axis=1)).sum( axis=1 ) / modimpl_coefs_df.values.sum() return moy_gen def compute_sem_moys_apc_using_ects( etud_moy_ue_df: pd.DataFrame, ects_df: pd.DataFrame, formation_id=None, skip_empty_ues=False, ) -> pd.Series: """Calcule les moyennes générales indicatives de tous les étudiants = moyenne des moyennes d'UE, pondérée par leurs ECTS. etud_moy_ue_df: DataFrame, colonnes ue_id, lignes etudid ects: DataFrame, col. ue_id, lignes etudid, valeur float ou None Si skip_empty_ues: ne compte pas les UE non notées. Sinon (par défaut), une UE non notée compte comme zéro. Result: panda Series, index etudid, valeur float (moyenne générale) """ try: if skip_empty_ues: # annule les coefs des UE sans notes (NaN) ects = np.where(etud_moy_ue_df.isna(), 0.0, ects_df.to_numpy()) else: ects = ects_df.to_numpy() # ects est maintenant un array nb_etuds x nb_ues moy_gen = (etud_moy_ue_df * ects).sum(axis=1) / ects.sum(axis=1) except TypeError: if None in ects: formation = Formation.query.get(formation_id) flash( Markup( f"""Calcul moyenne générale impossible: ECTS des UE manquants !<br> (formation: <a href="{url_for("notes.ue_table", scodoc_dept=g.scodoc_dept, formation_id=formation_id)}">{formation.get_titre_version()}</a>)""" ) ) moy_gen = pd.Series(np.NaN, index=etud_moy_ue_df.index) else: raise return moy_gen def comp_ranks_series(notes: pd.Series) -> (pd.Series, pd.Series): """Calcul rangs à partir d'une séries ("vecteur") de notes (index etudid, valeur numérique) en tenant compte des ex-aequos. Result: couple (tuple) Series { etudid : rang:str } où rang est une chaine decrivant le rang, Series { etudid : rang:int } le rang comme un nombre """ if (notes is None) or (len(notes) == 0): return (pd.Series([], dtype=object), pd.Series([], dtype=int)) notes = notes.sort_values(ascending=False) # Serie, tri par ordre décroissant rangs_str = pd.Series("", index=notes.index, dtype=str) # le rang est une chaîne # le rang numérique pour tris: rangs_int = pd.Series(0, index=notes.index, dtype=int) N = len(notes) nb_ex = 0 # nb d'ex-aequo consécutifs en cours notes_i = notes.iat for i, etudid in enumerate(notes.index): # test ex-aequo if i < (N - 1): next = notes_i[i + 1] else: next = None val = notes_i[i] if nb_ex: rangs_int[etudid] = i + 1 - nb_ex srang = "%d ex" % (i + 1 - nb_ex) if val == next: nb_ex += 1 else: nb_ex = 0 else: if val == next: rangs_int[etudid] = i + 1 - nb_ex srang = "%d ex" % (i + 1 - nb_ex) nb_ex = 1 else: rangs_int[etudid] = i + 1 srang = "%d" % (i + 1) rangs_str[etudid] = srang assert rangs_int.dtype == int return rangs_str, rangs_int