import numpy as np import pandas as pd from app.comp.moy_sem import comp_ranks_series from app.pe import pe_affichage class Moyenne: COLONNES = [ "note", "classement", "rang", "min", "max", "moy", "nb_etuds", "nb_inscrits", ] """Colonnes du df""" COLONNES_SYNTHESE = ["note", "rang", "min", "max", "moy"] def __init__(self, notes: pd.Series): """Classe centralisant la synthèse des moyennes/classements d'une série de 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, """ self.notes = notes """Les notes""" self.etudids = list(notes.index) # calcul à venir """Les id des étudiants""" self.inscrits_ids = notes[notes.notnull()].index.to_list() """Les id des étudiants dont la note est non nulle""" self.df: pd.DataFrame = self.comp_moy_et_stat(self.notes) """Le dataframe retraçant les moyennes/classements/statistiques""" self.synthese = self.to_dict() """La synthèse (dictionnaire) des notes/classements/statistiques""" 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 d'un tag) dans un dictionnaire spécifique. Partant des notes, sont calculés les classements (en ne tenant compte que des notes non nulles). Args: notes: Une série de notes (avec des éventuels NaN) Returns: Un dictionnaire stockant les notes, les classements, le min, le max, la moyenne, le nb de notes (donc d'inscrits) """ df = pd.DataFrame( np.nan, index=self.etudids, columns=Moyenne.COLONNES, ) # Supprime d'éventuelles chaines de caractères dans les notes notes = pd.to_numeric(notes, errors="coerce") df["note"] = notes # Les nb d'étudiants & nb d'inscrits df["nb_etuds"] = len(self.etudids) df["nb_etuds"] = df["nb_etuds"].astype(int) # Les étudiants dont la note n'est pas nulle inscrits_ids = notes[notes.notnull()].index.to_list() df.loc[inscrits_ids, "nb_inscrits"] = len(inscrits_ids) # df["nb_inscrits"] = df["nb_inscrits"].astype(int) # Le classement des inscrits notes_non_nulles = notes[inscrits_ids] (class_str, class_int) = comp_ranks_series(notes_non_nulles) df.loc[inscrits_ids, "classement"] = class_int # df["classement"] = df["classement"].astype(int) # Le rang (classement/nb_inscrit) df["rang"] = df["rang"].astype(str) df.loc[inscrits_ids, "rang"] = ( df.loc[inscrits_ids, "classement"].astype(int).astype(str) + "/" + df.loc[inscrits_ids, "nb_inscrits"].astype(int).astype(str) ) # Les stat (des inscrits) df.loc[inscrits_ids, "min"] = notes.min() df.loc[inscrits_ids, "max"] = notes.max() df.loc[inscrits_ids, "moy"] = notes.mean() return df def get_df_synthese(self): """Renvoie le df de synthese limité aux colonnes de synthese""" df = self.df[self.COLONNES_SYNTHESE].copy() df["rang"] = df["rang"].replace("nan", "") return df def to_dict(self) -> dict: """Renvoie un dictionnaire de synthèse des moyennes/classements/statistiques générale (but)""" synthese = { "notes": self.df["note"], "classements": self.df["classement"], "min": self.df["min"].mean(), "max": self.df["max"].mean(), "moy": self.df["moy"].mean(), "nb_inscrits": self.df["nb_inscrits"].mean(), } return synthese def is_significatif(self) -> bool: """Indique si la moyenne est significative (c'est-à-dire à des notes)""" return self.synthese["nb_inscrits"] > 0