477 lines
18 KiB
Python
477 lines
18 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 Fri Sep 9 09:15:05 2016
|
|
|
|
@author: barasc
|
|
"""
|
|
|
|
from app.pe import pe_affichage, pe_comp
|
|
import app.pe.moys.pe_ressemtag as pe_ressemtag
|
|
import pandas as pd
|
|
import numpy as np
|
|
|
|
from app.pe.moys import pe_moytag, pe_tabletags
|
|
import app.pe.rcss.pe_trajectoires as pe_trajectoires
|
|
|
|
|
|
class SxTag(pe_tabletags.TableTag):
|
|
def __init__(
|
|
self,
|
|
sxtag_id: (str, int),
|
|
semx: pe_trajectoires.SemX,
|
|
ressembuttags: dict[int, pe_ressemtag.ResSemBUTTag],
|
|
):
|
|
"""Calcule les moyennes/classements par tag d'un semestre de type 'Sx'
|
|
(par ex. 'S1', 'S2', ...) représentés par acronyme d'UE.
|
|
|
|
Il représente :
|
|
|
|
* pour les étudiants *non redoublants* : moyennes/classements
|
|
du semestre suivi
|
|
* pour les étudiants *redoublants* : une fusion des moyennes/classements
|
|
dans les (2) 'Sx' qu'il a suivi, en exploitant les informations de capitalisation :
|
|
meilleure moyenne entre l'UE capitalisée et l'UE refaite (la notion de meilleure
|
|
s'appliquant à la moyenne d'UE)
|
|
|
|
Un SxTag (regroupant potentiellement plusieurs semestres) est identifié
|
|
par un tuple ``(Sx, fid)`` où :
|
|
|
|
* ``x`` est le rang (semestre_id) du semestre
|
|
* ``fid`` le formsemestre_id du semestre final (le plus récent) du regroupement.
|
|
|
|
Les **tags**, les **UE** et les inscriptions aux UEs (pour les étudiants)
|
|
considérés sont uniquement ceux du semestre final.
|
|
|
|
Args:
|
|
sxtag_id: L'identifiant de SxTag
|
|
ressembuttags: Un dictionnaire de la forme `{fid: ResSemBUTTag(fid)}` donnant
|
|
les semestres à regrouper et les résultats/moyennes par tag des
|
|
semestres
|
|
"""
|
|
pe_tabletags.TableTag.__init__(self)
|
|
|
|
assert sxtag_id and len(sxtag_id) == 2 and sxtag_id[1] in ressembuttags
|
|
|
|
self.sxtag_id: (str, int) = sxtag_id
|
|
"""Identifiant du SxTag de la forme (nom_Sx, fid_semestre_final)"""
|
|
assert (
|
|
len(self.sxtag_id) == 2
|
|
and isinstance(self.sxtag_id[0], str)
|
|
and isinstance(self.sxtag_id[1], int)
|
|
), "Format de l'identifiant du SxTag non respecté"
|
|
|
|
self.nom_rcs = sxtag_id[0]
|
|
|
|
self.semx = semx
|
|
"""Le SemX sur lequel il s'appuie"""
|
|
assert semx.rcs_id == sxtag_id, "Problème de correspondance SxTag/SemX"
|
|
|
|
# Les resultats des semestres taggués à prendre en compte dans le SemX
|
|
self.ressembuttags = {
|
|
fid: ressembuttags[fid] for fid in semx.semestres_aggreges
|
|
}
|
|
"""Les ResSemBUTTags à regrouper dans le SxTag"""
|
|
|
|
# Les données du semestre final
|
|
self.fid_final = sxtag_id[1]
|
|
self.ressembuttag_final = ressembuttags[self.fid_final]
|
|
"""Le ResSemBUTTag final"""
|
|
|
|
# Ajoute les etudids et les états civils
|
|
self.etuds = self.ressembuttag_final.etuds
|
|
"""Les étudiants (extraits du ReSemBUTTag final)"""
|
|
self.add_etuds(self.etuds)
|
|
self.etudids_sorted = sorted(self.etudids)
|
|
"""Les etudids triés"""
|
|
|
|
# Affichage
|
|
pe_affichage.pe_print(f"*** {self.get_repr(verbose=True)}")
|
|
|
|
# Les tags
|
|
self.tags_sorted = self.ressembuttag_final.tags_sorted
|
|
"""Tags (extraits du ReSemBUTTag final)"""
|
|
aff_tag = ["👜" + tag for tag in self.tags_sorted]
|
|
pe_affichage.pe_print(f"--> Tags : {', '.join(aff_tag)}")
|
|
|
|
# Les UE données par leur acronyme
|
|
self.acronymes_sorted = self.ressembuttag_final.acronymes_sorted
|
|
"""Les acronymes des UEs (extraits du ResSemBUTTag final)"""
|
|
|
|
# L'association UE-compétences extraites du dernier semestre
|
|
self.acronymes_ues_to_competences = (
|
|
self.ressembuttag_final.acronymes_ues_to_competences
|
|
)
|
|
"""L'association acronyme d'UEs -> compétence"""
|
|
self.competences_sorted = sorted(self.acronymes_ues_to_competences.values())
|
|
"""Les compétences triées par nom"""
|
|
self._aff_ue_et_comp_debug()
|
|
|
|
# Les coeffs pour la moyenne générale (traduisant également l'inscription
|
|
# des étudiants aux UEs) (etudids_sorted x acronymes_ues_sorted)
|
|
self.matrice_coeffs_moy_gen = self.ressembuttag_final.matrice_coeffs_moy_gen
|
|
"""La matrice des coeffs pour la moyenne générale"""
|
|
self.__aff_profil_coeffs()
|
|
|
|
# Masque des inscriptions et des capitalisations
|
|
self.masque_df = None
|
|
"""Le DataFrame traduisant les capitalisations des différents semestres"""
|
|
self.masque_df, masque_cube = compute_masques_capitalisation_cube(
|
|
self.etudids_sorted,
|
|
self.acronymes_sorted,
|
|
self.ressembuttags,
|
|
self.fid_final,
|
|
)
|
|
self._aff_capitalisations()
|
|
|
|
# Les moyennes par tag
|
|
self.moyennes_tags: dict[str, pd.DataFrame] = {}
|
|
"""Moyennes aux UEs (identifiées par leur acronyme) des différents tags"""
|
|
if self.tags_sorted:
|
|
pe_affichage.pe_print("--> Calcul des moyennes par tags :")
|
|
|
|
for tag in self.tags_sorted:
|
|
# Y-a-t-il des notes ?
|
|
if not self.has_notes(tag):
|
|
pe_affichage.pe_print(f" > MoyTag 👜{tag} actuellement sans notes")
|
|
matrice_moys_ues = pd.DataFrame(
|
|
np.nan, index=self.etudids_sorted, columns=self.acronymes_sorted
|
|
)
|
|
else:
|
|
# Cube de note etudids x UEs
|
|
notes_df, notes_cube = compute_notes_ues_cube(
|
|
tag,
|
|
self.etudids_sorted,
|
|
self.acronymes_sorted,
|
|
self.ressembuttags,
|
|
)
|
|
|
|
# Masque des inscriptions aux UEs (extraits de la matrice de coefficients)
|
|
inscr_mask: np.array = ~np.isnan(self.matrice_coeffs_moy_gen.to_numpy())
|
|
|
|
# Matrice des moyennes
|
|
matrice_moys_ues: pd.DataFrame = compute_notes_ues(
|
|
notes_cube,
|
|
masque_cube,
|
|
self.etudids_sorted,
|
|
self.acronymes_sorted,
|
|
inscr_mask,
|
|
)
|
|
|
|
# Affichage de debug
|
|
self.__aff_profil_coeff_ects(tag)
|
|
|
|
# Mémorise les infos pour la moyennes au tag
|
|
self.moyennes_tags[tag] = pe_moytag.MoyennesTag(
|
|
tag,
|
|
pe_moytag.CODE_MOY_UE,
|
|
matrice_moys_ues,
|
|
self.matrice_coeffs_moy_gen,
|
|
)
|
|
|
|
def __aff_profil_coeff_ects(self, tag):
|
|
"""Extrait de la matrice des coeffs, les différents types d'inscription
|
|
et de coefficients (appelés profil) des étudiants et les affiche
|
|
(pour debug)
|
|
"""
|
|
|
|
# Les profils des coeffs d'UE (pour debug)
|
|
profils = []
|
|
for i in self.matrice_coeffs_moy_gen.index:
|
|
val = self.matrice_coeffs_moy_gen.loc[i].fillna("-")
|
|
val = " | ".join([str(v) for v in val])
|
|
if val not in profils:
|
|
profils += [val]
|
|
|
|
# L'affichage
|
|
if len(profils) > 1:
|
|
profils_aff = "\n" + "\n".join([" " * 10 + prof for prof in profils])
|
|
else:
|
|
profils_aff = "\n".join(profils)
|
|
|
|
# L'affichage
|
|
ues = ", ".join(self.acronymes_sorted)
|
|
pe_affichage.pe_print(
|
|
f" > MoyTag 👜{tag} pour UEs : {ues} avec pour coeffs : {profils_aff}"
|
|
)
|
|
|
|
def has_notes(self, tag):
|
|
"""Détermine si le SxTag, pour un tag donné, est en cours d'évaluation.
|
|
Si oui, n'a pas (encore) de notes dans le resformsemestre final.
|
|
|
|
Args:
|
|
tag: Le tag visé
|
|
|
|
Returns:
|
|
True si a des notes, False sinon
|
|
"""
|
|
moy_tag_dernier_sem = self.ressembuttag_final.moyennes_tags[tag]
|
|
notes = moy_tag_dernier_sem.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 __eq__(self, other):
|
|
"""Egalité de 2 SxTag sur la base de leur identifiant"""
|
|
return self.sxtag_id == other.sxtag_id
|
|
|
|
def get_repr(self, verbose=False) -> str:
|
|
"""Renvoie une représentation textuelle (celle de la trajectoire sur laquelle elle
|
|
est basée)"""
|
|
if verbose:
|
|
return f"SXTag basé sur {self.semx.get_repr()}"
|
|
else:
|
|
# affichage = [str(fid) for fid in self.ressembuttags]
|
|
return f"SXTag {self.nom_rcs}#{self.fid_final}"
|
|
|
|
def _aff_ue_et_comp_debug(self):
|
|
"""Affichage pour debug"""
|
|
aff_comp = []
|
|
for acro in self.acronymes_sorted:
|
|
aff_comp += [f"📍{acro} (∈ 💡{self.acronymes_ues_to_competences[acro]})"]
|
|
pe_affichage.pe_print(f"--> UEs/Compétences : {', '.join(aff_comp)}")
|
|
|
|
def _aff_capitalisations(self):
|
|
"""Affichage des capitalisations du sxtag pour debug"""
|
|
aff_cap = []
|
|
for etud in self.etuds:
|
|
cap = []
|
|
for frmsem_id in self.ressembuttags:
|
|
if frmsem_id != self.fid_final:
|
|
for accr in self.acronymes_sorted:
|
|
if self.masque_df[frmsem_id].loc[etud.etudid, accr] > 0.0:
|
|
cap += [accr]
|
|
if cap:
|
|
aff_cap += [f" > {etud.nomprenom} : {', '.join(cap)}"]
|
|
if aff_cap:
|
|
pe_affichage.pe_print(f"--> ⚠️ Capitalisations :")
|
|
pe_affichage.pe_print("\n".join(aff_cap))
|
|
|
|
def __aff_profil_coeffs(self):
|
|
"""Extrait de la matrice des coeffs, les différents types d'inscription
|
|
et de coefficients (appelés profil) des étudiants et les affiche
|
|
(pour debug)
|
|
"""
|
|
|
|
# Les profils des coeffs d'UE (pour debug)
|
|
profils = []
|
|
for i in self.matrice_coeffs_moy_gen.index:
|
|
val = self.matrice_coeffs_moy_gen.loc[i].fillna("-")
|
|
val = " | ".join([str(v) for v in val])
|
|
if val not in profils:
|
|
profils += [val]
|
|
|
|
# L'affichage
|
|
if len(profils) > 1:
|
|
profils_aff = "\n" + "\n".join([" " * 10 + prof for prof in profils])
|
|
else:
|
|
profils_aff = "\n".join(profils)
|
|
pe_affichage.pe_print(
|
|
f"--> Moyenne générale calculée avec pour coeffs d'UEs : {profils_aff}"
|
|
)
|
|
|
|
|
|
def compute_notes_ues_cube(
|
|
tag, etudids_sorted, acronymes_sorted, ressembuttags
|
|
) -> (pd.DataFrame, np.array):
|
|
"""Construit le cube de notes des UEs (etudid x accronyme_ue x semestre_aggregé)
|
|
nécessaire au calcul des moyennes du tag pour le RCS Sx.
|
|
(Renvoie également le dataframe associé pour debug).
|
|
|
|
Args:
|
|
etudids_sorted: La liste des etudids triés par ordre croissant (dim 0)
|
|
acronymes_sorted: La liste des acronymes de UEs triés par acronyme croissant (dim 1)
|
|
ressembuttags: Le dictionnaire des résultats de semestres BUT (tous tags confondus)
|
|
"""
|
|
# Index du cube (etudids -> dim 0, ues -> dim 1, semestres -> dim2)
|
|
# etudids_sorted = etudids_sorted
|
|
# acronymes_ues = sorted([ue.acronyme for ue in selMf.ues.values()])
|
|
semestres_id = list(ressembuttags.keys())
|
|
|
|
dfs = {}
|
|
|
|
for frmsem_id in semestres_id:
|
|
# Partant d'un dataframe vierge
|
|
df = pd.DataFrame(np.nan, index=etudids_sorted, columns=acronymes_sorted)
|
|
|
|
# Charge les notes du semestre tag
|
|
sem_tag = ressembuttags[frmsem_id]
|
|
moys_tag = sem_tag.moyennes_tags[tag]
|
|
notes = moys_tag.matrice_notes # dataframe etudids x ues
|
|
|
|
# les étudiants et les acronymes communs
|
|
etudids_communs, acronymes_communs = pe_comp.find_index_and_columns_communs(
|
|
df, notes
|
|
)
|
|
|
|
# Recopie
|
|
df.loc[etudids_communs, acronymes_communs] = notes.loc[
|
|
etudids_communs, acronymes_communs
|
|
]
|
|
|
|
# Supprime tout ce qui n'est pas numérique
|
|
for col in df.columns:
|
|
df[col] = pd.to_numeric(df[col], errors="coerce")
|
|
|
|
# Stocke le df
|
|
dfs[frmsem_id] = df
|
|
|
|
"""Réunit les notes sous forme d'un cube etudids x ues x semestres"""
|
|
semestres_x_etudids_x_ues = [dfs[fid].values for fid in dfs]
|
|
etudids_x_ues_x_semestres = np.stack(semestres_x_etudids_x_ues, axis=-1)
|
|
return dfs, etudids_x_ues_x_semestres
|
|
|
|
|
|
def compute_masques_capitalisation_cube(
|
|
etudids_sorted: list[int],
|
|
acronymes_sorted: list[str],
|
|
ressembuttags: dict[int, pe_ressemtag.ResSemBUTTag],
|
|
formsemestre_id_final: int,
|
|
) -> (pd.DataFrame, np.array):
|
|
"""Construit le cube traduisant les masques des UEs à prendre en compte dans le calcul
|
|
des moyennes, en utilisant le dataFrame de capitalisations de chaque ResSemBUTTag
|
|
|
|
Ces masques contiennent : 1 si la note doit être prise en compte, 0 sinon
|
|
|
|
Le masque des UEs à prendre en compte correspondant au semestre final (identifié par
|
|
son formsemestre_id_final) est systématiquement à 1 (puisque les résultats
|
|
de ce semestre doivent systématiquement
|
|
être pris en compte notamment pour les étudiants non redoublant).
|
|
|
|
Args:
|
|
etudids_sorted: La liste des etudids triés par ordre croissant (dim 0)
|
|
acronymes_sorted: La liste des acronymes de UEs triés par acronyme croissant (dim 1)
|
|
ressembuttags: Le dictionnaire des résultats de semestres BUT (tous tags confondus)
|
|
formsemestre_id_final: L'identifiant du formsemestre_id_final
|
|
"""
|
|
# Index du cube (etudids -> dim 0, ues -> dim 1, semestres -> dim2)
|
|
# etudids_sorted = etudids_sorted
|
|
# acronymes_ues = sorted([ue.acronyme for ue in selMf.ues.values()])
|
|
semestres_id = list(ressembuttags.keys())
|
|
|
|
dfs = {}
|
|
|
|
for frmsem_id in semestres_id:
|
|
# Partant d'un dataframe contenant des 1.0
|
|
if frmsem_id == formsemestre_id_final:
|
|
df = pd.DataFrame(1.0, index=etudids_sorted, columns=acronymes_sorted)
|
|
else: # semestres redoublés
|
|
df = pd.DataFrame(0.0, index=etudids_sorted, columns=acronymes_sorted)
|
|
|
|
# Traitement des capitalisations : remplace les infos de capitalisations par les coeff 1 ou 0
|
|
capitalisations = ressembuttags[frmsem_id].capitalisations
|
|
capitalisations = capitalisations.replace(True, 1.0).replace(False, 0.0)
|
|
|
|
# Met à 0 les coeffs des UEs non capitalisées pour les étudiants
|
|
# inscrits dans les 2 semestres: 1.0*False => 0.0
|
|
etudids_communs, acronymes_communs = pe_comp.find_index_and_columns_communs(
|
|
df, capitalisations
|
|
)
|
|
|
|
df.loc[etudids_communs, acronymes_communs] = capitalisations.loc[
|
|
etudids_communs, acronymes_communs
|
|
]
|
|
|
|
# Stocke le df
|
|
dfs[frmsem_id] = df
|
|
|
|
"""Réunit les notes sous forme d'un cube etudids x ues x semestres"""
|
|
semestres_x_etudids_x_ues = [dfs[fid].values for fid in dfs]
|
|
etudids_x_ues_x_semestres = np.stack(semestres_x_etudids_x_ues, axis=-1)
|
|
return dfs, etudids_x_ues_x_semestres
|
|
|
|
|
|
def compute_notes_ues(
|
|
set_cube: np.array,
|
|
masque_cube: np.array,
|
|
etudids_sorted: list,
|
|
acronymes_sorted: list,
|
|
inscr_mask: np.array,
|
|
):
|
|
"""Calcule la moyenne par UEs à un tag donné en prenant la note maximum (UE
|
|
par UE) obtenue par un étudiant à un semestre.
|
|
|
|
Args:
|
|
set_cube: notes moyennes aux modules ndarray
|
|
(semestre_ids x etudids x UEs), des floats avec des NaN
|
|
masque_cube: masque indiquant si la note doit être prise en compte ndarray
|
|
(semestre_ids x etudids x UEs), des 1.0 ou des 0.0
|
|
etudids_sorted: liste des étudiants (dim. 0 du cube) trié par etudid
|
|
acronymes_sorted: liste des acronymes des ues (dim. 1 du cube) trié par acronyme
|
|
inscr_mask: masque etudids x UE traduisant les inscriptions des
|
|
étudiants aux UE (du semestre terminal)
|
|
Returns:
|
|
Un DataFrame avec pour columns les moyennes par ues,
|
|
et pour rows les etudid
|
|
"""
|
|
nb_etuds, nb_ues, nb_semestres = set_cube.shape
|
|
nb_etuds_mask, nb_ues_mask = inscr_mask.shape
|
|
assert nb_etuds == len(etudids_sorted)
|
|
assert nb_ues == len(acronymes_sorted)
|
|
assert nb_etuds == nb_etuds_mask
|
|
assert nb_ues == nb_ues_mask
|
|
|
|
# Entrées à garder dans le cube en fonction du masque d'inscription aux UEs du parcours
|
|
inscr_mask_3D = np.stack([inscr_mask] * nb_semestres, axis=-1)
|
|
set_cube = set_cube * inscr_mask_3D
|
|
|
|
# Entrées à garder en fonction des UEs capitalisées ou non
|
|
set_cube = set_cube * masque_cube
|
|
|
|
# Quelles entrées du cube contiennent des notes ?
|
|
mask = ~np.isnan(set_cube)
|
|
|
|
# Enlève les NaN du cube pour les entrées manquantes : NaN -> -1.0
|
|
set_cube_no_nan = np.nan_to_num(set_cube, nan=-1.0)
|
|
|
|
# Les moyennes par ues
|
|
# TODO: Pour l'instant un max sans prise en compte des UE capitalisées
|
|
etud_moy = np.max(set_cube_no_nan, axis=2)
|
|
|
|
# Fix les max non calculé -1 -> NaN
|
|
etud_moy[etud_moy < 0] = np.NaN
|
|
|
|
# Le dataFrame
|
|
etud_moy_tag_df = pd.DataFrame(
|
|
etud_moy,
|
|
index=etudids_sorted, # les etudids
|
|
columns=acronymes_sorted, # les acronymes d'UEs
|
|
)
|
|
|
|
etud_moy_tag_df.fillna(np.nan)
|
|
|
|
return etud_moy_tag_df
|