255 lines
9.5 KiB
Python
255 lines
9.5 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.comp.res_sem import load_formsemestre_results
|
|
from app.models import UniteEns, FormSemestre
|
|
from app.pe import pe_affichage
|
|
from app.pe.pe_ressemtag import ResSemBUTTag
|
|
import pandas as pd
|
|
import numpy as np
|
|
|
|
from app.pe.pe_tabletags import TableTag
|
|
from app.pe.pe_moytag import MoyennesTag
|
|
|
|
|
|
class SxTag(TableTag):
|
|
def __init__(self, sxtag_id: (int, int), ressembuttags: dict[int, ResSemBUTTag]):
|
|
"""Calcule les moyennes/classements par tag d'un semestre de type 'Sx'
|
|
(par ex. 'S1', 'S2', ...) :
|
|
|
|
* pour les étudiants non redoublants, ce sont les moyennes/classements
|
|
du semestre suivi
|
|
* pour les étudiants redoublants, c'est une fusion des moyennes/classements
|
|
dans les (2) 'Sx' qu'il a suivi
|
|
|
|
Un SxTag peut donc regrouper plusieurs semestres.
|
|
|
|
Un SxTag est identifié par un tuple (x, fid) où x est le numéro (semestre_id)
|
|
du semestre et fid le formsemestre_id du semestre final (le plus récent) du
|
|
regrouprement.
|
|
|
|
Les **tags**, les **UE** et les inscriptions aux UEs (pour les etudiants)
|
|
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
|
|
"""
|
|
TableTag.__init__(self)
|
|
|
|
assert sxtag_id and len(sxtag_id) == 2 and sxtag_id in ressembuttags
|
|
|
|
self.sxtag_id: (int, int) = sxtag_id
|
|
"""Identifiant du SxTag de la forme (semestre_id, fid_semestre_final)"""
|
|
|
|
self.ressembuttags = ressembuttags
|
|
"""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"""
|
|
|
|
# Les étudiants (etuds, états civils & etudis)
|
|
self.etuds = ressembuttags[self.fid_final].etuds
|
|
self.add_etuds(self.etuds)
|
|
|
|
# Les tags
|
|
self.tags_sorted = self.ressembuttag_final.tags_sorted
|
|
"""Tags (extraits uniquement du semestre final)"""
|
|
pe_affichage.pe_print(f"* Tags : {', '.join(self.tags_sorted)}")
|
|
|
|
# Les UE
|
|
self.ues = self.ressembuttag_final.moyennes_tags["but"].ues
|
|
|
|
# Les acronymes des UE
|
|
self.acronymes_ues_sorted = sorted([ue.acronyme for ue in self.ues.values()])
|
|
|
|
# Les inscriptions des étudiants aux UEs
|
|
# => ne conserve que les UEs du semestre final (pour les redoublants)
|
|
self.ues_inscr_parcours_df = self.ressembuttag_final.moyennes_tags["but"].ues_inscr_parcours_df
|
|
|
|
# Les moyennes par tag
|
|
self.moyennes_tags: dict[str, pd.DataFrame] = {}
|
|
"""Les notes aux UEs dans différents tags"""
|
|
|
|
# Masque des inscriptions
|
|
inscr_mask = self.ues_inscr_parcours_df.to_numpy()
|
|
for tag in self.tags_sorted:
|
|
# Cube de note
|
|
notes_cube = self.compute_notes_ues_cube(tag, self.acronymes_ues_sorted)
|
|
|
|
# Calcule des moyennes sous forme d'un dataframe"""
|
|
moys_ues = compute_notes_ues(
|
|
notes_cube,
|
|
self.etudids,
|
|
self.acronymes_ues_sorted,
|
|
inscr_mask,
|
|
)
|
|
# Les moyennes
|
|
self.moyennes_tags[tag] = MoyennesTag(
|
|
tag, self.ues, moys_ues, self.ues_inscr_parcours_df
|
|
)
|
|
|
|
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)"""
|
|
affichage = str(fid) for fid in self.res
|
|
return f"S{sxtag_id[0]}Tag ({'+'.join()})"
|
|
|
|
def compute_notes_ues_cube(self, tag, acronymes_ues_sorted):
|
|
"""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
|
|
"""
|
|
# Index du cube (etudids -> dim 0, ues -> dim 1, semestres -> dim2)
|
|
etudids = [etud.etudid for etud in self.etuds]
|
|
# acronymes_ues = sorted([ue.acronyme for ue in self.ues.values()])
|
|
semestres_id = list(self.ressembuttags.keys())
|
|
|
|
dfs = {}
|
|
|
|
for frmsem_id in semestres_id:
|
|
# Partant d'un dataframe vierge
|
|
df = pd.DataFrame(np.nan, index=etudids, columns=acronymes_ues_sorted)
|
|
|
|
# Charge les notes du semestre tag
|
|
sem_tag = self.ressembuttags[frmsem_id]
|
|
moys_tag = sem_tag.moyennes_tags[tag]
|
|
notes = moys_tag.notes_ues # dataframe etudids x ues
|
|
acronymes_ues_sem = list(
|
|
notes.columns
|
|
) # les acronymes des UEs du semestre tag
|
|
|
|
# UEs communes à celles du SemTag (celles du dernier semestre du RCS)
|
|
ues_communes = list(set(acronymes_ues_sorted) & set(acronymes_ues_sem))
|
|
|
|
# Etudiants communs
|
|
etudids_communs = df.index.intersection(notes.index)
|
|
|
|
# Recopie
|
|
df.loc[etudids_communs, ues_communes] = notes.loc[
|
|
etudids_communs, ues_communes
|
|
]
|
|
|
|
# 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 semestres x etdids x ues"""
|
|
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 etudids_x_ues_x_semestres
|
|
|
|
|
|
def compute_notes_ues(
|
|
set_cube: np.array,
|
|
etudids: list,
|
|
acronymes_ues: 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
|
|
etudids: liste des étudiants (dim. 0 du cube)
|
|
acronymes_ues: liste des acronymes des ues (dim. 1 du cube)
|
|
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)
|
|
assert nb_ues == len(acronymes_ues)
|
|
assert nb_etuds == nb_etuds_mask
|
|
assert nb_ues == nb_ues_mask
|
|
|
|
# Quelles entrées du cube contiennent des notes ?
|
|
mask = ~np.isnan(set_cube)
|
|
|
|
# Entrées à garder dans le cube en fonction du mask d'inscription
|
|
inscr_mask_3D = np.stack([inscr_mask] * nb_semestres, axis=-1)
|
|
set_cube = set_cube * inscr_mask_3D
|
|
|
|
# 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, # les etudids
|
|
columns=acronymes_ues, # les tags
|
|
)
|
|
|
|
etud_moy_tag_df.fillna(np.nan)
|
|
|
|
return etud_moy_tag_df
|
|
|
|
|
|
def get_sxtag_from_semestres(
|
|
formsemestres: dict[int:FormSemestre], sxtags: dict[(str, int):SxTag]
|
|
) -> (str, int):
|
|
"""Partant d'un dictionnaire de SxTags, renvoie l'identifiant (str, fid) du
|
|
sxtag correspondant aux semestres de formsemestres.
|
|
(Utilisé pour transformer une trajectoire d'étudiants (par ex. S1+S2+S1+S2+S3)
|
|
en une suite de sxtags (S1+S2+S3)
|
|
"""
|
|
for sxtag_id, sxtag in sxtags:
|
|
if set(formsemestres.keys()) == set(sxtag.semestres_aggreges.keys()):
|
|
return sxtag_id
|