Amélioration nommencalature moyenne (état intermédiaire)
This commit is contained in:
parent
1712dcf8f7
commit
dd98e19624
@ -152,11 +152,14 @@ class InterClassTag(pe_tabletags.TableTag):
|
||||
aff = pe_affichage.repr_profil_coeffs(coeffs, with_index=True)
|
||||
pe_affichage.pe_print(f"--> Moyenne 👜{tag} avec coeffs: {aff} ")
|
||||
|
||||
infos = {"aggregat": self.nom_rcs, "cohorte": pe_moytag.CHAMP_PROMO}
|
||||
|
||||
self.moyennes_tags[tag] = pe_moytag.MoyennesTag(
|
||||
tag,
|
||||
self.type,
|
||||
notes_gen,
|
||||
coeffs, # limite les moyennes aux étudiants de la promo
|
||||
infos,
|
||||
)
|
||||
|
||||
def get_repr(self) -> str:
|
||||
@ -321,9 +324,7 @@ class InterClassTag(pe_tabletags.TableTag):
|
||||
# Charge la moyenne
|
||||
if tag in rcstag.moyennes_tags:
|
||||
moytag: pd.DataFrame = rcstag.moyennes_tags[tag]
|
||||
df_moytag = moytag.to_df(
|
||||
aggregat=aggregat, cohorte="Groupe", options=options
|
||||
)
|
||||
df_moytag = moytag.to_df(options=options)
|
||||
|
||||
# Modif les colonnes au regard du 1er df_moytag significatif lu
|
||||
if not initialisation:
|
||||
|
||||
@ -20,21 +20,30 @@ class Moyenne:
|
||||
|
||||
@classmethod
|
||||
def get_colonnes_synthese(cls, with_min_max_moy):
|
||||
"""Renvoie le nom des colonnes à prendre en compte pour la génération
|
||||
d'un dataFrame résumant les données d'un objet pe_moy.Moyenne"""
|
||||
if with_min_max_moy:
|
||||
return ["note", "rang", "min", "max", "moy"]
|
||||
else:
|
||||
return ["note", "rang"]
|
||||
|
||||
def __init__(self, notes: pd.Series):
|
||||
"""Classe centralisant la synthèse des moyennes/classements d'une série
|
||||
de notes :
|
||||
def __init__(self, notes: pd.Series, infos: dict[str]):
|
||||
"""Classe centralisant la synthèse des moyennes/class/stat d'une série
|
||||
de notes pour un groupe d'étudiants (déduits des notes).
|
||||
|
||||
* des "notes" : la Serie pandas des notes (float),
|
||||
* des "classements" : la Serie pandas des classements (float),
|
||||
* des "min" : la note minimum,
|
||||
* des "max" : la note maximum,
|
||||
* des "moy" : la moyenne,
|
||||
* des "nb_inscrits" : le nombre d'étudiants ayant une note,
|
||||
Sont génerés des Séries/DataFrame donnant :
|
||||
|
||||
* les "notes" : notes (float),
|
||||
* des "classements" : classements (float),
|
||||
* des "min" : la note minimum sur tout le groupe d'étudiants,
|
||||
* des "max" : la note maximum sur tout le groupe d'étudiants,
|
||||
* des "moy" : la moyenne des notes sur tout le groupe d'étudiants,
|
||||
* des "nb_inscrits" : le nombre d'étudiants ayant une note (non NaN)
|
||||
|
||||
Args:
|
||||
notes: Une (pandas.)Série de notes
|
||||
infos: Un dictionnaire donnant les informations sur la moyenne (aggrégat,
|
||||
tag, intitule, cohorte, groupe)
|
||||
"""
|
||||
self.notes = notes
|
||||
"""Les notes"""
|
||||
@ -44,9 +53,28 @@ class Moyenne:
|
||||
"""Les id des étudiants dont la note est non nan/renseignée"""
|
||||
self.df: pd.DataFrame = self.comp_moy_et_stat(self.notes)
|
||||
"""Le dataframe retraçant les moyennes/classements/statistiques"""
|
||||
self.infos = {
|
||||
"aggregat": infos["aggregat"],
|
||||
"tag": infos["tag"],
|
||||
"intitule": infos["intitule"],
|
||||
"cohorte": infos["cohorte"],
|
||||
}
|
||||
"""Dictionnaire donnant des informations sur la note (aggrégat, cohorte, tag, type_de_moyenne)"""
|
||||
# self.synthese = self.to_dict()
|
||||
# """La synthèse (dictionnaire) des notes/classements/statistiques"""
|
||||
|
||||
def __repr__(self):
|
||||
"""Représentation textuelle d'un objet Moyenne
|
||||
sur la base de ses `infos`.
|
||||
"""
|
||||
repr = get_repr(
|
||||
self.infos["aggregat"],
|
||||
self.infos["tag"],
|
||||
self.infos["intitule"],
|
||||
self.infos["cohorte"],
|
||||
)
|
||||
return f"Moyenne {repr}"
|
||||
|
||||
def comp_moy_et_stat(self, notes: pd.Series) -> dict:
|
||||
"""Calcule et structure les données nécessaires au PE pour une série
|
||||
de notes (pouvant être une moyenne d'un tag à une UE ou une moyenne générale
|
||||
@ -103,14 +131,29 @@ class Moyenne:
|
||||
return df
|
||||
|
||||
def to_df(self, with_min_max_moy=None):
|
||||
"""Renvoie le df de synthèse, en limitant les colonnes à celles attendues
|
||||
(dépendantes de l'option `with_min_max_moy`)
|
||||
"""Renvoie le df de synthèse (tel qu'attendu dans les exports Excel),
|
||||
en limitant les colonnes à celles attendues (dépendantes de l'option
|
||||
``with_min_max_moy``)
|
||||
"""
|
||||
colonnes_synthese = Moyenne.get_colonnes_synthese(
|
||||
with_min_max_moy=with_min_max_moy
|
||||
)
|
||||
# Copie le df modélisant les données
|
||||
df = self.df[colonnes_synthese].copy()
|
||||
df["rang"] = df["rang"].replace("nan", "")
|
||||
|
||||
# Remplace les noms de colonnes par leur intitulé dans le tableur excel
|
||||
cols = []
|
||||
for critere in colonnes_synthese:
|
||||
nom_col = get_colonne_df(
|
||||
self.infos["aggregat"],
|
||||
self.infos["tag"],
|
||||
self.infos["intitule"], # UEs ou compétences
|
||||
self.infos["cohorte"],
|
||||
critere,
|
||||
)
|
||||
cols += [nom_col]
|
||||
df.columns = cols
|
||||
return df
|
||||
|
||||
def to_json(self) -> dict:
|
||||
@ -122,3 +165,39 @@ class Moyenne:
|
||||
def has_notes(self) -> bool:
|
||||
"""Indique si la moyenne est significative (c'est-à-dire à des notes) et/ou des inscrits"""
|
||||
return len(self.inscrits_ids) > 0
|
||||
|
||||
|
||||
def get_repr(aggregat, tag, intitule, cohorte):
|
||||
"""Renvoie une représentation textuelle "aggregat|tag|intitule|cohorte"
|
||||
pour représenter une moyenne
|
||||
"""
|
||||
liste_champs = []
|
||||
if aggregat != None:
|
||||
liste_champs += [aggregat]
|
||||
liste_champs += [tag, intitule]
|
||||
if cohorte != None:
|
||||
liste_champs += [cohorte]
|
||||
return "|".join(liste_champs)
|
||||
|
||||
|
||||
def get_colonne_df(aggregat, tag, intitule, cohorte, critere):
|
||||
"""Renvoie la chaine de caractère "aggregat|tag|intitule|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")
|
||||
intitule: Un nom d'UE ou de compétences ou "Général"
|
||||
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 = [get_repr(aggregat, tag, intitule, cohorte), critere]
|
||||
return "|".join(liste_champs)
|
||||
|
||||
@ -4,11 +4,14 @@ 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
|
||||
from app.pe.moys.pe_moy import get_colonne_df
|
||||
import re
|
||||
|
||||
CODE_MOY_UE = "UEs"
|
||||
CODE_MOY_COMPETENCES = "Compétences"
|
||||
CHAMP_GENERAL = "Général" # Nom du champ de la moyenne générale
|
||||
CHAMP_GROUPE = "groupe"
|
||||
CHAMP_PROMO = "promo"
|
||||
|
||||
|
||||
class MoyennesTag:
|
||||
@ -18,18 +21,22 @@ class MoyennesTag:
|
||||
type_moyenne: str,
|
||||
matrice_notes: pd.DataFrame, # etudids x UEs|comp
|
||||
matrice_coeffs: pd.DataFrame, # etudids x UEs|comp
|
||||
infos: dict,
|
||||
):
|
||||
"""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)
|
||||
"""Classe centralisant un ensemble de moyennes/class/stat,
|
||||
obtenu par un groupe d'étudiants, à un tag donné,
|
||||
en stockant les moyennes aux UEs|Compétences
|
||||
et la moyenne générale (toutes UEs confondues).
|
||||
|
||||
|
||||
|
||||
Args:
|
||||
tag: Un tag
|
||||
matrice_notes: Les moyennes (etudid x acronymes_ues|compétences)
|
||||
aux différentes UEs ou compétences
|
||||
aux différentes UEs ou compétences
|
||||
matrice_coeffs: Les coeffs (etudid x acronymes_ues|compétences)
|
||||
aux différentes UEs ou compétences
|
||||
infos: Informations (aggrégat, cohorte ayant servi à calculer les moyennes)
|
||||
"""
|
||||
self.tag = tag
|
||||
"""Le tag associé aux moyennes"""
|
||||
@ -37,6 +44,13 @@ class MoyennesTag:
|
||||
self.type = type_moyenne
|
||||
"""Le type de moyennes (par UEs ou par compétences)"""
|
||||
|
||||
self.infos = {
|
||||
"aggregat": infos["aggregat"],
|
||||
"tag": tag,
|
||||
"cohorte": infos["cohorte"],
|
||||
}
|
||||
"""Info sur les éléments (aggrégat, cohorte) ayant servi à calculer les moyennes"""
|
||||
|
||||
# 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)"""
|
||||
@ -45,10 +59,10 @@ class MoyennesTag:
|
||||
"""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)
|
||||
self.intitules: list[str] = list(self.matrice_notes.columns)
|
||||
"""Les intitules (acronymes d'UE ou compétences) renseignés dans les moyennes"""
|
||||
assert len(self.intitules) == len(
|
||||
set(self.intitules)
|
||||
), "Des champs de moyennes en doublons"
|
||||
|
||||
self.etudids: list[int] = list(self.matrice_notes.index)
|
||||
@ -56,10 +70,11 @@ class MoyennesTag:
|
||||
|
||||
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:
|
||||
for col in self.intitules: # if ue.type != UE_SPORT:
|
||||
# Les moyennes tous modules confondus
|
||||
notes = matrice_notes[col]
|
||||
self.moyennes_dict[col] = pe_moy.Moyenne(notes)
|
||||
infos = self.infos | {"intitule": col}
|
||||
self.moyennes_dict[col] = pe_moy.Moyenne(notes, infos)
|
||||
|
||||
# Les moyennes générales (toutes UEs confondues)
|
||||
self.notes_gen = pd.Series(np.nan, index=self.matrice_notes.index)
|
||||
@ -68,7 +83,8 @@ class MoyennesTag:
|
||||
self.notes_gen = self.compute_moy_gen(
|
||||
self.matrice_notes, self.matrice_coeffs
|
||||
)
|
||||
self.moyenne_gen = pe_moy.Moyenne(self.notes_gen)
|
||||
infos = self.infos | {"intitule": CHAMP_GENERAL}
|
||||
self.moyenne_gen = pe_moy.Moyenne(self.notes_gen, infos)
|
||||
"""Dataframe retraçant les moyennes/classements/statistiques général (toutes UESs confondues et modules confondus)"""
|
||||
|
||||
def has_notes(self):
|
||||
@ -114,16 +130,13 @@ class MoyennesTag:
|
||||
"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:
|
||||
def to_df(self, 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)
|
||||
Adapte :
|
||||
* les noms des colonnes aux données fournies dans l'attribut
|
||||
``infos`` (nom d'aggrégat, type de cohorte).
|
||||
* à l'option ``min_max_moy`` (limitant les colonnes)
|
||||
"""
|
||||
if "min_max_moy" not in options or options["min_max_moy"]:
|
||||
with_min_max_moy = True
|
||||
@ -137,60 +150,61 @@ class MoyennesTag:
|
||||
df = pd.DataFrame(index=etudids_sorted)
|
||||
|
||||
# Ajout des notes pour tous les champs
|
||||
champs = list(self.champs)
|
||||
champs = list(self.intitules)
|
||||
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_champ = moy.to_df(
|
||||
with_min_max_moy=with_min_max_moy
|
||||
) # le dataframe (les colonnes ayant été renommées)
|
||||
colonnes_renommees = ajout_numero_a_colonnes(
|
||||
list(df.columns), list(df_champ.columns)
|
||||
)
|
||||
if colonnes_renommees:
|
||||
df_champ.columns = colonnes_renommees
|
||||
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
|
||||
colonnes_renommees = ajout_numero_a_colonnes(
|
||||
list(df.columns), list(df_moy_gen.columns)
|
||||
)
|
||||
if colonnes_renommees:
|
||||
df_moy_gen.columns = colonnes_renommees
|
||||
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.
|
||||
def ajout_numero_a_colonnes(colonnes, colonnes_a_ajouter):
|
||||
"""Partant d'une liste de noms de colonnes, vérifie si les noms des colonnes_a_ajouter
|
||||
n'entre pas en conflit (aka ne sont pas déjà présent dans colonnes).
|
||||
Si nom, renvoie `None`.
|
||||
Si oui, propose une liste de noms de colonnes_a_ajouter dans laquelle chaque nom
|
||||
est suivi d'un `"(X)"` (où X est un numéro choisi au regard des noms de colonnes).
|
||||
Les noms des colonnes sont de la forme "S1|maths|UE|Groupe|note (1)"
|
||||
|
||||
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"
|
||||
Devrait être supprimé à terme, car les noms des colonnes sont théoriquement prévus pour être
|
||||
unique/sans doublons.
|
||||
"""
|
||||
liste_champs = []
|
||||
if aggregat != None:
|
||||
liste_champs += [aggregat]
|
||||
assert len(colonnes) == len(set(colonnes)), "Il y a déjà des doublons dans colonnes"
|
||||
colonnes_sans_numero = [col.split(" (")[0] for col in colonnes]
|
||||
|
||||
liste_champs += [tag, champ]
|
||||
if cohorte != None:
|
||||
liste_champs += [cohorte]
|
||||
liste_champs += [critere]
|
||||
return "|".join(liste_champs)
|
||||
conflits = set(colonnes_sans_numero).intersection(colonnes_a_ajouter)
|
||||
if not conflits:
|
||||
# Pas de conflit
|
||||
return None
|
||||
|
||||
pattern = r"\((\d*)\)"
|
||||
p = re.compile(pattern)
|
||||
numeros = []
|
||||
for col in colonnes:
|
||||
numeros.extend(p.findall(col))
|
||||
|
||||
if numeros:
|
||||
numeros = [int(num) for num in numeros]
|
||||
num_max = max(numeros)
|
||||
else:
|
||||
num_max = 0
|
||||
|
||||
ajouts = [f"{col} ({num_max+1})" for col in colonnes_a_ajouter]
|
||||
return ajouts
|
||||
|
||||
@ -101,7 +101,7 @@ class RCSemXTag(pe_tabletags.TableTag):
|
||||
self.sxtags_connus = sxstags # Tous les sxstags connus
|
||||
|
||||
# Les étudiants (etuds, états civils & etudis)
|
||||
sems_dans_aggregat = rcsemx.aggregat
|
||||
sems_dans_aggregat = rcsemx.noms_semestres_aggreges
|
||||
sxtag_final = self.sxstags_aggreges[(sems_dans_aggregat[-1], self.rcs_id[1])]
|
||||
self.etuds = sxtag_final.etuds
|
||||
"""Les étudiants (extraits du semestre final)"""
|
||||
@ -162,11 +162,13 @@ class RCSemXTag(pe_tabletags.TableTag):
|
||||
pe_affichage.pe_print(f" > Moyenne calculée avec pour coeffs : {aff}")
|
||||
|
||||
# Mémorise les moyennes et les coeff associés
|
||||
infos = {"aggregat": self.rcs_id[0], "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags[tag] = pe_moytag.MoyennesTag(
|
||||
tag,
|
||||
pe_moytag.CODE_MOY_COMPETENCES,
|
||||
moys_competences,
|
||||
matrice_coeffs_moy_gen,
|
||||
infos,
|
||||
)
|
||||
|
||||
def __eq__(self, other):
|
||||
|
||||
@ -179,20 +179,20 @@ class ResSemBUTTag(ResultatsSemestreBUT, pe_tabletags.TableTag):
|
||||
self.ues_inscr_parcours_df, info_tag=info_tag, pole=None
|
||||
)
|
||||
# Mémorise les moyennes
|
||||
infos = {"aggregat": None, "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags[tag] = pe_moytag.MoyennesTag(
|
||||
tag,
|
||||
pe_moytag.CODE_MOY_UE,
|
||||
moy_ues_tag,
|
||||
self.matrice_coeffs_moy_gen,
|
||||
infos,
|
||||
)
|
||||
|
||||
# Ajoute les moyennes par UEs + la moyenne générale (but)
|
||||
moy_gen = self.compute_moy_gen(self.acro_ues_inscr_parcours)
|
||||
infos = {"aggregat": None, "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags["but"] = pe_moytag.MoyennesTag(
|
||||
"but",
|
||||
pe_moytag.CODE_MOY_UE,
|
||||
moy_gen,
|
||||
self.matrice_coeffs_moy_gen,
|
||||
"but", pe_moytag.CODE_MOY_UE, moy_gen, self.matrice_coeffs_moy_gen, infos
|
||||
)
|
||||
|
||||
# Ajoute la moyenne générale par ressources
|
||||
@ -200,11 +200,13 @@ class ResSemBUTTag(ResultatsSemestreBUT, pe_tabletags.TableTag):
|
||||
moy_res_gen = self.compute_moy_ues_tag(
|
||||
self.ues_inscr_parcours_df, info_tag=None, pole=ModuleType.RESSOURCE
|
||||
)
|
||||
infos = {"aggregat": None, "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags["ressources"] = pe_moytag.MoyennesTag(
|
||||
"ressources",
|
||||
pe_moytag.CODE_MOY_UE,
|
||||
moy_res_gen,
|
||||
self.matrice_coeffs_moy_gen,
|
||||
infos,
|
||||
)
|
||||
|
||||
# Ajoute la moyenne générale par saes
|
||||
@ -212,11 +214,13 @@ class ResSemBUTTag(ResultatsSemestreBUT, pe_tabletags.TableTag):
|
||||
moy_saes_gen = self.compute_moy_ues_tag(
|
||||
self.ues_inscr_parcours_df, info_tag=None, pole=ModuleType.SAE
|
||||
)
|
||||
infos = {"aggregat": None, "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags["saes"] = pe_moytag.MoyennesTag(
|
||||
"saes",
|
||||
pe_moytag.CODE_MOY_UE,
|
||||
moy_saes_gen,
|
||||
self.matrice_coeffs_moy_gen,
|
||||
infos,
|
||||
)
|
||||
|
||||
# Tous les tags
|
||||
|
||||
@ -211,11 +211,13 @@ class SxTag(pe_tabletags.TableTag):
|
||||
)
|
||||
|
||||
# Mémorise les infos pour la moyenne au tag
|
||||
infos = {"aggregat": self.sxtag_id[0], "cohorte": pe_moytag.CHAMP_GROUPE}
|
||||
self.moyennes_tags[tag] = pe_moytag.MoyennesTag(
|
||||
tag,
|
||||
pe_moytag.CODE_MOY_UE,
|
||||
matrice_moys_ues,
|
||||
self.matrice_coeffs_moy_gen,
|
||||
infos,
|
||||
)
|
||||
|
||||
# Affichage de debug
|
||||
|
||||
@ -90,7 +90,7 @@ class TableTag(object):
|
||||
options={"min_max_moy": True},
|
||||
) -> pd.DataFrame:
|
||||
"""Renvoie un dataframe listant toutes les données
|
||||
des moyennes/classements/nb_inscrits/min/max/moy
|
||||
des moyennes/classements/min/max/moy
|
||||
des étudiants aux différents tags.
|
||||
|
||||
tags_cibles limitent le dataframe aux tags indiqués
|
||||
@ -122,9 +122,7 @@ class TableTag(object):
|
||||
# Ajout des données par tags
|
||||
for tag in tags_cibles:
|
||||
if tag in self.moyennes_tags:
|
||||
moy_tag_df = self.moyennes_tags[tag].to_df(
|
||||
aggregat=aggregat, cohorte=cohorte, options=options
|
||||
)
|
||||
moy_tag_df = self.moyennes_tags[tag].to_df(options=options)
|
||||
df = df.join(moy_tag_df)
|
||||
|
||||
# Tri par nom, prénom
|
||||
|
||||
@ -11,7 +11,7 @@ from app import log
|
||||
from app.pe.rcss import pe_rcs
|
||||
import app.pe.pe_comp as pe_comp
|
||||
|
||||
PE_DEBUG = False
|
||||
PE_DEBUG = True
|
||||
|
||||
|
||||
# On stocke les logs PE dans g.scodoc_pe_log
|
||||
|
||||
@ -51,6 +51,8 @@ import numpy as np
|
||||
import pandas as pd
|
||||
import jinja2
|
||||
|
||||
import app.pe.moys.pe_moy
|
||||
import app.pe.moys.pe_moytag as pe_moytag
|
||||
from app.pe.rcss import pe_rcs
|
||||
from app.pe.moys import pe_sxtag
|
||||
|
||||
@ -730,20 +732,32 @@ class JuryPE(object):
|
||||
)
|
||||
if not df_groupe.empty:
|
||||
aff_aggregat += [aggregat + " (Groupe)"]
|
||||
|
||||
colonnes_renommees = pe_moytag.ajout_numero_a_colonnes(
|
||||
list(df.columns), list(df_groupe.columns)
|
||||
)
|
||||
if colonnes_renommees:
|
||||
df_groupe.columns = colonnes_renommees
|
||||
|
||||
df = df.join(df_groupe)
|
||||
|
||||
# Le dataframe du classement sur la promo
|
||||
df_promo = interclass.to_df(
|
||||
administratif=False,
|
||||
aggregat=aggregat,
|
||||
tags_cibles=[tag],
|
||||
cohorte="Promo",
|
||||
options=self.options,
|
||||
)
|
||||
# Le dataframe du classement sur la promo
|
||||
df_promo = interclass.to_df(
|
||||
administratif=False,
|
||||
aggregat=aggregat,
|
||||
tags_cibles=[tag],
|
||||
cohorte="Promo",
|
||||
options=self.options,
|
||||
)
|
||||
|
||||
if not df_promo.empty:
|
||||
aff_aggregat += [aggregat + " (Promo)"]
|
||||
df = df.join(df_promo)
|
||||
if not df_promo.empty:
|
||||
aff_aggregat += [aggregat + " (Promo)"]
|
||||
colonnes_renommees = pe_moytag.ajout_numero_a_colonnes(
|
||||
list(df.columns), list(df_groupe.columns)
|
||||
)
|
||||
if colonnes_renommees:
|
||||
df_promo.columns = colonnes_renommees
|
||||
df = df.join(df_promo)
|
||||
|
||||
if aff_aggregat:
|
||||
pe_affichage.pe_print(
|
||||
@ -806,7 +820,7 @@ class JuryPE(object):
|
||||
"rang_groupe": "",
|
||||
"rang_promo": "",
|
||||
}
|
||||
colonne = pe_moytag.get_colonne_df(
|
||||
colonne = app.pe.moys.pe_moy.get_colonne_df(
|
||||
aggregat, tag, comp, "Groupe", "note"
|
||||
)
|
||||
if colonne in df.columns:
|
||||
@ -816,14 +830,14 @@ class JuryPE(object):
|
||||
est_significatif = True
|
||||
# else:
|
||||
# print(f"{colonne} manquante")
|
||||
colonne = pe_moytag.get_colonne_df(
|
||||
colonne = app.pe.moys.pe_moy.get_colonne_df(
|
||||
aggregat, tag, comp, "Groupe", "rang"
|
||||
)
|
||||
if colonne in df.columns:
|
||||
valeur = df.loc[etudid, colonne]
|
||||
if valeur and str(valeur) != "nan":
|
||||
moy[comp]["rang_groupe"] = valeur
|
||||
colonne = pe_moytag.get_colonne_df(
|
||||
colonne = app.pe.moys.pe_moy.get_colonne_df(
|
||||
aggregat, tag, comp, "Promo", "rang"
|
||||
)
|
||||
if colonne in df.columns:
|
||||
|
||||
@ -92,8 +92,8 @@ class RCS:
|
||||
"""Nom du RCS"""
|
||||
assert self.nom in TOUS_LES_RCS, "Le nom d'un RCS doit être un aggrégat"
|
||||
|
||||
self.aggregat: list[str] = TYPES_RCS[nom]["aggregat"]
|
||||
"""Aggrégat (liste des nom des semestres aggrégés)"""
|
||||
self.noms_semestres_aggreges: list[str] = TYPES_RCS[nom]["aggregat"]
|
||||
"""Noms des semestres aggrégés)"""
|
||||
|
||||
self.formsemestre_final: FormSemestre = semestre_final
|
||||
"""(Form)Semestre final du RCS"""
|
||||
|
||||
@ -4,6 +4,7 @@ Test calcul moyennes pour les poursuites d'études
|
||||
import numpy as np
|
||||
import pytest
|
||||
|
||||
import app.pe.moys.pe_moy
|
||||
from tests.unit import setup
|
||||
|
||||
from app import db
|
||||
@ -24,10 +25,17 @@ def egalite_df(df1, df2):
|
||||
|
||||
|
||||
class Test_pe_moy:
|
||||
infos = {
|
||||
"aggregat": "S1",
|
||||
"tag": "maths",
|
||||
"intitule": "UE1.1",
|
||||
"cohorte": "groupe",
|
||||
}
|
||||
|
||||
def test_init(self):
|
||||
"""Test de pe_moy.Moyenne.__init__"""
|
||||
notes = pd.Series({1: 10.0, 2: 14.0, 3: np.nan, 4: 0.0})
|
||||
moy = pe_moy.Moyenne(notes)
|
||||
moy = pe_moy.Moyenne(notes, Test_pe_moy.infos)
|
||||
assert moy.etudids == [1, 2, 3, 4], "Etudids incorrect"
|
||||
assert moy.inscrits_ids == [1, 2, 4], "Inscriptions incorrectes"
|
||||
# Les notes
|
||||
@ -67,7 +75,7 @@ class Test_pe_moy:
|
||||
def test_init_ex_aequo(self):
|
||||
"""Test de pe_moy.Moyenne.__init__ pour des ex-aequo"""
|
||||
notes = pd.Series({1: 10.0, 2: 14.0, 3: 10.0, 4: 0.0})
|
||||
moy = pe_moy.Moyenne(notes)
|
||||
moy = pe_moy.Moyenne(notes, Test_pe_moy.infos)
|
||||
# Les rangs
|
||||
rang = pd.Series(["2 ex/4", "1/4", "2 ex/4", "3/4"], index=[1, 2, 3, 4])
|
||||
assert moy.df["rang"].isnull().sum() == 0, "Des Nan dans les rangs interdits"
|
||||
@ -84,16 +92,11 @@ class Test_pe_moy:
|
||||
],
|
||||
)
|
||||
def test_has_notes(self, notes, resultat):
|
||||
moy = pe_moy.Moyenne(notes)
|
||||
moy = pe_moy.Moyenne(notes, Test_pe_moy.infos)
|
||||
assert (
|
||||
moy.has_notes() == resultat
|
||||
), "Le test sur la présence de notes est incorrect"
|
||||
|
||||
|
||||
# ******************************
|
||||
# app.pe.moys.pe_moytag
|
||||
# ******************************
|
||||
class Test_pe_moytag:
|
||||
@pytest.mark.parametrize(
|
||||
"aggregat, tag, champ, cohorte, critere, attendu",
|
||||
[
|
||||
@ -121,9 +124,36 @@ class Test_pe_moytag:
|
||||
],
|
||||
)
|
||||
def test_colonnes_df(self, aggregat, tag, champ, cohorte, critere, attendu):
|
||||
descr = pe_moytag.get_colonne_df(aggregat, tag, champ, cohorte, critere)
|
||||
descr = app.pe.moys.pe_moy.get_colonne_df(
|
||||
aggregat, tag, champ, cohorte, critere
|
||||
)
|
||||
assert descr == attendu, "Nom de colonne incorrect"
|
||||
|
||||
def to_df(self):
|
||||
notes = pd.Series({1: 10.0, 2: 14.0, 3: np.nan, 4: 0.0})
|
||||
infos = {
|
||||
"aggregat": "S1",
|
||||
"tag": "maths",
|
||||
"intitule": "Général",
|
||||
"cohorte": "promo",
|
||||
}
|
||||
cols = [
|
||||
f"S1|maths|Général|promo|{critere}"
|
||||
for critere in ["note", "rang", "min", "max", "moy"]
|
||||
]
|
||||
moy = pe_moy.Moyenne(notes, infos)
|
||||
df = moy.to_df(with_min_max_moy=True)
|
||||
assert (
|
||||
list(df.columns) == cols
|
||||
), "Colonnes du df de synthèse pour Excel pas correctes"
|
||||
|
||||
|
||||
# ******************************
|
||||
# app.pe.moys.pe_moytag
|
||||
# ******************************
|
||||
class Test_pe_moytag:
|
||||
infos = {"aggregat": "S1", "cohorte": "promo"}
|
||||
|
||||
def test_moyennes_tag__init__(self):
|
||||
matrice_notes = pd.DataFrame.from_dict(
|
||||
{
|
||||
@ -149,7 +179,9 @@ class Test_pe_moytag:
|
||||
orient="index",
|
||||
columns=["UE1.1", "UE1.2", "UE1.3"],
|
||||
)
|
||||
moy_tag = pe_moytag.MoyennesTag("maths", None, matrice_notes, matrice_coeffs)
|
||||
moy_tag = pe_moytag.MoyennesTag(
|
||||
"maths", None, matrice_notes, matrice_coeffs, Test_pe_moytag.infos
|
||||
)
|
||||
attendu = pd.Series(
|
||||
[
|
||||
(12 * 1 + 14 * 2 + 15 * 3) / (1 + 2 + 3),
|
||||
@ -163,35 +195,9 @@ class Test_pe_moytag:
|
||||
)
|
||||
assert egalite_df(moy_tag.notes_gen, attendu), "La moyenne n'est pas correcte"
|
||||
|
||||
def test_to_df(self):
|
||||
matrice_notes = pd.DataFrame.from_dict(
|
||||
{
|
||||
1: [12.0, 14.0, 15.0],
|
||||
2: [8.0, np.nan, 12.0],
|
||||
3: [0.0, 11.0, 13.0],
|
||||
4: [np.nan, np.nan, np.nan],
|
||||
5: [np.nan, np.nan, np.nan],
|
||||
6: [0.0, 0.0, 0.0],
|
||||
},
|
||||
orient="index",
|
||||
columns=["UE1.1", "UE1.2", "UE1.3"],
|
||||
)
|
||||
matrice_coeffs = pd.DataFrame.from_dict(
|
||||
{
|
||||
1: [1, 2, 3],
|
||||
2: [2, 10, 6],
|
||||
3: [1, 2, np.nan],
|
||||
4: [5, 4, 3],
|
||||
5: [np.nan, np.nan, np.nan],
|
||||
6: [1, 1, 1],
|
||||
},
|
||||
orient="index",
|
||||
columns=["UE1.1", "UE1.2", "UE1.3"],
|
||||
)
|
||||
moy_tag = pe_moytag.MoyennesTag("maths", None, matrice_notes, matrice_coeffs)
|
||||
|
||||
def test_to_df(self):
|
||||
def test_to_df_sans_renommage_colonne(self):
|
||||
"""Test le dataframe de synthèse"""
|
||||
infos = {"aggregat": "S1", "cohorte": "promo"}
|
||||
matrice_notes = pd.DataFrame.from_dict(
|
||||
{
|
||||
2: [13.0, 13.0, 13],
|
||||
@ -208,14 +214,16 @@ class Test_pe_moytag:
|
||||
orient="index",
|
||||
columns=["UE1.1", "UE1.2", "UE1.3"],
|
||||
)
|
||||
moy_tag = pe_moytag.MoyennesTag("maths", None, matrice_notes, matrice_coeffs)
|
||||
moy_tag = pe_moytag.MoyennesTag(
|
||||
"maths", None, matrice_notes, matrice_coeffs, infos
|
||||
)
|
||||
synthese = moy_tag.to_df(
|
||||
aggregat="S1", cohorte="groupe", options={"min_max_moy": True}
|
||||
aggregat="S1", cohorte="promo", options={"min_max_moy": True}
|
||||
)
|
||||
colonnes_attendues = []
|
||||
for ue in ["UE1.1", "UE1.2", "UE1.3", "Général"]:
|
||||
for champ in ["note", "rang", "min", "max", "moy"]:
|
||||
colonnes_attendues += [f"S1|maths|{ue}|groupe|{champ}"]
|
||||
colonnes_attendues += [f"S1|maths|{ue}|promo|{champ}"]
|
||||
assert (
|
||||
list(synthese.columns) == colonnes_attendues
|
||||
), "Les colonnes de synthèse ne sont pas correctes"
|
||||
@ -224,6 +232,26 @@ class Test_pe_moytag:
|
||||
2,
|
||||
], "Les lignes ne sont pas triées par id d'étudiants"
|
||||
|
||||
@pytest.mark.parametrize(
|
||||
"colonnes, ajouts, resultat",
|
||||
[
|
||||
pytest.param(["toto", "titi"], ["tutu"], None, id="pas de modif"),
|
||||
pytest.param(["toto", "titi"], ["titi"], ["titi (1)"], id="ajout de (1)"),
|
||||
pytest.param(
|
||||
["toto", "toto (1)"], ["toto"], ["toto (2)"], id="ajout de (2)"
|
||||
),
|
||||
pytest.param(
|
||||
["toto (1)", "titi (3)"],
|
||||
["toto", "titi"],
|
||||
["toto (4)", "titi (4)"],
|
||||
id="ajout multiple",
|
||||
),
|
||||
],
|
||||
)
|
||||
def test_renomme_colonnes(self, colonnes, ajouts, resultat):
|
||||
res = pe_moytag.ajout_numero_a_colonnes(colonnes, ajouts)
|
||||
assert res == resultat, "L'ajout d'un numéro au colonne est incorrect"
|
||||
|
||||
|
||||
# ******************************
|
||||
# app.pe.moys.pe_rcstag
|
||||
|
||||
Loading…
Reference in New Issue
Block a user