2021-11-17 10:28:51 +01:00
|
|
|
# -*- mode: python -*-
|
|
|
|
# -*- coding: utf-8 -*-
|
|
|
|
|
|
|
|
##############################################################################
|
|
|
|
#
|
|
|
|
# Gestion scolarite IUT
|
|
|
|
#
|
2023-12-31 23:04:06 +01:00
|
|
|
# Copyright (c) 1999 - 2024 Emmanuel Viennet. All rights reserved.
|
2021-11-17 10:28:51 +01:00
|
|
|
#
|
|
|
|
# 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 modules (modules, ressources ou SAÉ)
|
|
|
|
|
2021-12-30 23:58:38 +01:00
|
|
|
Pour les formations classiques et le BUT
|
|
|
|
|
2021-11-17 10:28:51 +01:00
|
|
|
Rappel: pour éviter les confusions, on appelera *poids* les coefficients d'une
|
|
|
|
évaluation dans un module, et *coefficients* ceux utilisés pour le calcul de la
|
|
|
|
moyenne générale d'une UE.
|
|
|
|
"""
|
2022-07-19 22:17:10 +02:00
|
|
|
import dataclasses
|
2021-12-26 19:15:47 +01:00
|
|
|
from dataclasses import dataclass
|
2021-11-17 10:28:51 +01:00
|
|
|
import numpy as np
|
|
|
|
import pandas as pd
|
2023-04-04 09:57:54 +02:00
|
|
|
import sqlalchemy as sa
|
2021-11-17 10:28:51 +01:00
|
|
|
|
2023-01-23 23:03:20 +01:00
|
|
|
import app
|
2021-11-17 10:28:51 +01:00
|
|
|
from app import db
|
2022-11-13 14:22:47 +01:00
|
|
|
from app.models import Evaluation, EvaluationUEPoids, ModuleImpl
|
|
|
|
from app.scodoc import sco_cache
|
2021-11-20 16:35:09 +01:00
|
|
|
from app.scodoc import sco_utils as scu
|
2023-02-12 13:36:47 +01:00
|
|
|
from app.scodoc.codes_cursus import UE_SPORT
|
2022-02-01 11:37:05 +01:00
|
|
|
from app.scodoc.sco_utils import ModuleType
|
|
|
|
|
2021-11-17 10:28:51 +01:00
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
@dataclass
|
|
|
|
class EvaluationEtat:
|
|
|
|
"""Classe pour stocker quelques infos sur les résultats d'une évaluation"""
|
|
|
|
|
|
|
|
evaluation_id: int
|
|
|
|
nb_attente: int
|
2024-02-02 15:16:55 +01:00
|
|
|
nb_notes: int # nb notes d'étudiants inscrits au semestre et au modimpl
|
2021-12-26 19:15:47 +01:00
|
|
|
is_complete: bool
|
|
|
|
|
2022-07-19 22:17:10 +02:00
|
|
|
def to_dict(self):
|
|
|
|
"convert to dict"
|
|
|
|
return dataclasses.asdict(self)
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
|
2021-12-30 23:58:38 +01:00
|
|
|
class ModuleImplResults:
|
|
|
|
"""Classe commune à toutes les formations (standard et APC).
|
|
|
|
Les notes des étudiants d'un moduleimpl.
|
|
|
|
Les poids des évals sont à part car on en a besoin sans les notes pour les
|
|
|
|
tableaux de bord.
|
2021-12-26 19:15:47 +01:00
|
|
|
Les attributs sont tous des objets simples cachables dans Redis;
|
|
|
|
les caches sont gérés par ResultatsSemestre.
|
|
|
|
"""
|
|
|
|
|
2024-03-22 11:49:51 +01:00
|
|
|
def __init__(
|
|
|
|
self, moduleimpl: ModuleImpl, etudids: list[int], etudids_actifs: set[int]
|
|
|
|
):
|
|
|
|
"""
|
|
|
|
Args:
|
|
|
|
- etudids : liste des etudids, qui donne l'index du dataframe
|
|
|
|
(doit être tous les étudiants inscrits au semestre incluant les DEM et DEF)
|
|
|
|
- etudids_actifs l'ensemble des étudiants inscrits au semestre, non DEM/DEF.
|
|
|
|
"""
|
2021-12-26 19:15:47 +01:00
|
|
|
self.moduleimpl_id = moduleimpl.id
|
|
|
|
self.module_id = moduleimpl.module.id
|
|
|
|
self.etudids = None
|
2022-01-30 13:11:17 +01:00
|
|
|
"liste des étudiants inscrits au SEMESTRE (incluant dem et def)"
|
2022-01-25 10:45:13 +01:00
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
self.nb_inscrits_module = None
|
2022-01-25 10:45:13 +01:00
|
|
|
"nombre d'inscrits (non DEM) à ce module"
|
2021-12-26 19:15:47 +01:00
|
|
|
self.evaluations_completes = []
|
|
|
|
"séquence de booléens, indiquant les évals à prendre en compte."
|
2022-01-07 10:37:48 +01:00
|
|
|
self.evaluations_completes_dict = {}
|
|
|
|
"{ evaluation.id : bool } indique si à prendre en compte ou non."
|
2021-12-26 19:15:47 +01:00
|
|
|
self.evaluations_etat = {}
|
|
|
|
"{ evaluation_id: EvaluationEtat }"
|
2023-02-10 22:04:09 +01:00
|
|
|
self.etudids_attente = set()
|
|
|
|
"etudids avec au moins une note ATT dans ce module"
|
2022-02-06 16:09:17 +01:00
|
|
|
self.en_attente = False
|
|
|
|
"Vrai si au moins une évaluation a une note en attente"
|
2021-12-26 19:15:47 +01:00
|
|
|
#
|
|
|
|
self.evals_notes = None
|
2022-01-16 23:47:52 +01:00
|
|
|
"""DataFrame, colonnes: EVALS, Lignes: etudid (inscrits au SEMESTRE)
|
2021-12-26 19:15:47 +01:00
|
|
|
valeur: notes brutes, float ou NOTES_ATTENTE, NOTES_NEUTRALISE,
|
|
|
|
NOTES_ABSENCE.
|
|
|
|
Les NaN désignent les notes manquantes (non saisies).
|
|
|
|
"""
|
|
|
|
self.etuds_moy_module = None
|
|
|
|
"""DataFrame, colonnes UE, lignes etud
|
|
|
|
= la note de l'étudiant dans chaque UE pour ce module.
|
|
|
|
ou NaN si les évaluations (dans lesquelles l'étudiant a des notes)
|
|
|
|
ne donnent pas de coef vers cette UE.
|
|
|
|
"""
|
2022-04-10 17:38:59 +02:00
|
|
|
self.evals_etudids_sans_note = {}
|
|
|
|
"""dict: evaluation_id : set des etudids non notés dans cette eval, sans les démissions."""
|
2024-05-20 23:28:39 +02:00
|
|
|
self.evals_type = {}
|
|
|
|
"""Type de chaque eval { evaluation.id : evaluation.evaluation_type }"""
|
2024-03-22 11:49:51 +01:00
|
|
|
self.load_notes(etudids, etudids_actifs)
|
2022-02-02 09:36:12 +01:00
|
|
|
self.etuds_use_session2 = pd.Series(False, index=self.evals_notes.index)
|
|
|
|
"""1 bool par etud, indique si sa moyenne de module vient de la session2"""
|
|
|
|
self.etuds_use_rattrapage = pd.Series(False, index=self.evals_notes.index)
|
|
|
|
"""1 bool par etud, indique si sa moyenne de module utilise la note de rattrapage"""
|
2021-12-26 19:15:47 +01:00
|
|
|
|
2024-03-22 11:49:51 +01:00
|
|
|
def load_notes(
|
|
|
|
self, etudids: list[int], etudids_actifs: set[int]
|
|
|
|
): # ré-écriture de df_load_modimpl_notes
|
2021-12-26 19:15:47 +01:00
|
|
|
"""Charge toutes les notes de toutes les évaluations du module.
|
2024-03-22 11:49:51 +01:00
|
|
|
Args:
|
|
|
|
- etudids : liste des etudids, qui donne l'index du dataframe
|
|
|
|
(doit être tous les étudiants inscrits au semestre incluant les DEM et DEF)
|
|
|
|
- etudids_actifs l'ensemble des étudiants inscrits au semestre, non DEM/DEF.
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
Dataframe evals_notes
|
|
|
|
colonnes: le nom de la colonne est l'evaluation_id (int)
|
|
|
|
index (lignes): etudid (int)
|
|
|
|
|
|
|
|
L'ensemble des étudiants est celui des inscrits au SEMESTRE.
|
|
|
|
|
|
|
|
Les notes sont "brutes" (séries de floats) et peuvent prendre les valeurs:
|
|
|
|
note : float (valeur enregistrée brute, NON normalisée sur 20)
|
|
|
|
pas de note: NaN (rien en bd, ou étudiant non inscrit au module)
|
|
|
|
absent: NOTES_ABSENCE (NULL en bd)
|
|
|
|
excusé: NOTES_NEUTRALISE (voir sco_utils)
|
|
|
|
attente: NOTES_ATTENTE
|
|
|
|
|
|
|
|
Évaluation "complete" (prise en compte dans les calculs) si:
|
|
|
|
- soit tous les étudiants inscrits au module ont des notes
|
2022-01-16 23:47:52 +01:00
|
|
|
- soit elle a été déclarée "à prise en compte immédiate" (publish_incomplete)
|
2022-09-18 16:53:00 +02:00
|
|
|
ou est une évaluation de rattrapage ou de session 2
|
2021-12-26 19:15:47 +01:00
|
|
|
Évaluation "attente" (prise en compte dans les calculs, mais il y
|
|
|
|
manque des notes) ssi il y a des étudiants inscrits au semestre et au module
|
|
|
|
qui ont des notes ATT.
|
|
|
|
"""
|
2023-07-11 06:57:38 +02:00
|
|
|
moduleimpl = db.session.get(ModuleImpl, self.moduleimpl_id)
|
2024-03-22 11:49:51 +01:00
|
|
|
self.etudids = etudids
|
2021-12-26 19:15:47 +01:00
|
|
|
|
|
|
|
# --- Calcul nombre d'inscrits pour déterminer les évaluations "completes":
|
|
|
|
# on prend les inscrits au module ET au semestre (donc sans démissionnaires)
|
|
|
|
inscrits_module = {ins.etud.id for ins in moduleimpl.inscriptions}.intersection(
|
2024-03-22 11:49:51 +01:00
|
|
|
etudids_actifs
|
2021-12-26 19:15:47 +01:00
|
|
|
)
|
|
|
|
self.nb_inscrits_module = len(inscrits_module)
|
|
|
|
|
|
|
|
# dataFrame vide, index = tous les inscrits au SEMESTRE
|
|
|
|
evals_notes = pd.DataFrame(index=self.etudids, dtype=float)
|
|
|
|
self.evaluations_completes = []
|
2022-01-07 10:37:48 +01:00
|
|
|
self.evaluations_completes_dict = {}
|
2024-03-18 14:20:34 +01:00
|
|
|
self.etudids_attente = set() # empty
|
2024-05-20 23:28:39 +02:00
|
|
|
self.evals_type = {}
|
|
|
|
evaluation: Evaluation
|
2021-12-26 19:15:47 +01:00
|
|
|
for evaluation in moduleimpl.evaluations:
|
2024-05-20 23:28:39 +02:00
|
|
|
self.evals_type[evaluation.id] = evaluation.evaluation_type
|
2021-12-26 19:15:47 +01:00
|
|
|
eval_df = self._load_evaluation_notes(evaluation)
|
2024-02-25 16:58:59 +01:00
|
|
|
# is_complete ssi
|
|
|
|
# tous les inscrits (non dem) au module ont une note
|
|
|
|
# ou évaluation déclarée "à prise en compte immédiate"
|
|
|
|
# ou rattrapage, 2eme session, bonus
|
|
|
|
# ET pas bloquée par date (is_blocked)
|
2024-03-18 14:20:34 +01:00
|
|
|
is_blocked = evaluation.is_blocked()
|
2022-04-10 17:38:59 +02:00
|
|
|
etudids_sans_note = inscrits_module - set(eval_df.index) # sans les dem.
|
2022-09-18 16:53:00 +02:00
|
|
|
is_complete = (
|
2024-02-24 16:49:41 +01:00
|
|
|
(evaluation.evaluation_type != Evaluation.EVALUATION_NORMALE)
|
2022-09-18 16:53:00 +02:00
|
|
|
or (evaluation.publish_incomplete)
|
|
|
|
or (not etudids_sans_note)
|
2024-03-18 14:20:34 +01:00
|
|
|
) and not is_blocked
|
2021-12-26 19:15:47 +01:00
|
|
|
self.evaluations_completes.append(is_complete)
|
2022-01-07 10:37:48 +01:00
|
|
|
self.evaluations_completes_dict[evaluation.id] = is_complete
|
2022-04-10 17:38:59 +02:00
|
|
|
self.evals_etudids_sans_note[evaluation.id] = etudids_sans_note
|
2021-12-26 19:15:47 +01:00
|
|
|
|
|
|
|
# NULL en base => ABS (= -999)
|
|
|
|
eval_df.fillna(scu.NOTES_ABSENCE, inplace=True)
|
|
|
|
# Ce merge ne garde que les étudiants inscrits au module
|
2024-02-02 15:16:55 +01:00
|
|
|
# et met à NULL (NaN) les notes non présentes
|
2021-12-26 19:15:47 +01:00
|
|
|
# (notes non saisies ou etuds non inscrits au module):
|
|
|
|
evals_notes = evals_notes.merge(
|
|
|
|
eval_df, how="left", left_index=True, right_index=True
|
|
|
|
)
|
2022-06-26 14:29:57 +02:00
|
|
|
# Notes en attente: (ne prend en compte que les inscrits, non démissionnaires)
|
2023-02-10 22:04:09 +01:00
|
|
|
eval_notes_inscr = evals_notes[str(evaluation.id)][list(inscrits_module)]
|
2024-02-02 15:16:55 +01:00
|
|
|
# Nombre de notes (non vides, incluant ATT etc) des inscrits:
|
|
|
|
nb_notes = eval_notes_inscr.notna().sum()
|
2024-03-18 14:20:34 +01:00
|
|
|
|
|
|
|
if is_blocked:
|
|
|
|
eval_etudids_attente = set()
|
|
|
|
else:
|
|
|
|
# Etudiants avec notes en attente:
|
|
|
|
# = ceux avec note ATT
|
|
|
|
eval_etudids_attente = set(
|
|
|
|
eval_notes_inscr.iloc[
|
|
|
|
(eval_notes_inscr == scu.NOTES_ATTENTE).to_numpy()
|
|
|
|
].index
|
|
|
|
)
|
|
|
|
if evaluation.publish_incomplete:
|
|
|
|
# et en "immédiat", tous ceux sans note
|
|
|
|
eval_etudids_attente |= etudids_sans_note
|
|
|
|
|
2024-02-05 00:10:56 +01:00
|
|
|
# Synthèse pour état du module:
|
2023-02-10 22:04:09 +01:00
|
|
|
self.etudids_attente |= eval_etudids_attente
|
2021-12-26 19:15:47 +01:00
|
|
|
self.evaluations_etat[evaluation.id] = EvaluationEtat(
|
2023-02-10 22:04:09 +01:00
|
|
|
evaluation_id=evaluation.id,
|
|
|
|
nb_attente=len(eval_etudids_attente),
|
2024-02-05 00:10:56 +01:00
|
|
|
nb_notes=int(nb_notes),
|
2023-02-10 22:04:09 +01:00
|
|
|
is_complete=is_complete,
|
2021-12-26 19:15:47 +01:00
|
|
|
)
|
2024-02-04 18:36:11 +01:00
|
|
|
# au moins une note en attente (ATT ou manquante en mode "immédiat") dans ce modimpl:
|
2023-02-10 22:04:09 +01:00
|
|
|
self.en_attente = bool(self.etudids_attente)
|
2021-12-26 19:15:47 +01:00
|
|
|
|
|
|
|
# Force columns names to integers (evaluation ids)
|
2022-04-21 22:28:17 +02:00
|
|
|
evals_notes.columns = pd.Index([int(x) for x in evals_notes.columns], dtype=int)
|
2021-12-26 19:15:47 +01:00
|
|
|
self.evals_notes = evals_notes
|
|
|
|
|
2023-04-04 09:57:54 +02:00
|
|
|
_load_evaluation_notes_q = sa.text(
|
|
|
|
"""SELECT n.etudid, n.value AS ":evaluation_id"
|
|
|
|
FROM notes_notes n, notes_moduleimpl_inscription i
|
|
|
|
WHERE evaluation_id=:evaluation_id
|
|
|
|
AND n.etudid = i.etudid
|
|
|
|
AND i.moduleimpl_id = :moduleimpl_id
|
|
|
|
"""
|
|
|
|
)
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
def _load_evaluation_notes(self, evaluation: Evaluation) -> pd.DataFrame:
|
|
|
|
"""Charge les notes de l'évaluation
|
|
|
|
Resultat: dataframe, index: etudid ayant une note, valeur: note brute.
|
|
|
|
"""
|
2023-04-04 09:57:54 +02:00
|
|
|
with db.engine.begin() as connection:
|
|
|
|
eval_df = pd.read_sql_query(
|
|
|
|
self._load_evaluation_notes_q,
|
|
|
|
connection,
|
|
|
|
params={
|
|
|
|
"evaluation_id": evaluation.id,
|
|
|
|
"moduleimpl_id": evaluation.moduleimpl.id,
|
|
|
|
},
|
|
|
|
index_col="etudid",
|
|
|
|
)
|
2021-12-26 19:15:47 +01:00
|
|
|
eval_df[str(evaluation.id)] = pd.to_numeric(eval_df[str(evaluation.id)])
|
|
|
|
return eval_df
|
|
|
|
|
2024-02-24 16:49:41 +01:00
|
|
|
def get_evaluations_coefs(self, modimpl: ModuleImpl) -> np.array:
|
2022-11-13 14:22:47 +01:00
|
|
|
"""Coefficients des évaluations.
|
2024-02-24 16:49:41 +01:00
|
|
|
Les coefs des évals incomplètes, rattrapage, session 2, bonus sont forcés à zéro.
|
2021-12-30 23:58:38 +01:00
|
|
|
Résultat: 2d-array of floats, shape (nb_evals, 1)
|
|
|
|
"""
|
|
|
|
return (
|
|
|
|
np.array(
|
2022-11-13 14:22:47 +01:00
|
|
|
[
|
2024-02-24 16:49:41 +01:00
|
|
|
(
|
|
|
|
e.coefficient
|
|
|
|
if e.evaluation_type == Evaluation.EVALUATION_NORMALE
|
|
|
|
else 0.0
|
|
|
|
)
|
|
|
|
for e in modimpl.evaluations
|
2022-11-13 14:22:47 +01:00
|
|
|
],
|
2021-12-30 23:58:38 +01:00
|
|
|
dtype=float,
|
|
|
|
)
|
|
|
|
* self.evaluations_completes
|
|
|
|
).reshape(-1, 1)
|
|
|
|
|
2024-05-21 20:23:10 +02:00
|
|
|
def get_evaluations_special_coefs(
|
|
|
|
self, modimpl: ModuleImpl, evaluation_type=Evaluation.EVALUATION_SESSION2
|
|
|
|
) -> np.array:
|
|
|
|
"""Coefficients des évaluations de session 2 ou rattrapage.
|
|
|
|
Les évals de session 2 et rattrapage sont réputées "complètes": elles sont toujours
|
2024-05-20 23:28:39 +02:00
|
|
|
prises en compte mais seules les notes numériques et ABS sont utilisées.
|
|
|
|
Résultat: 2d-array of floats, shape (nb_evals, 1)
|
|
|
|
"""
|
|
|
|
return (
|
|
|
|
np.array(
|
|
|
|
[
|
2024-05-21 20:23:10 +02:00
|
|
|
(e.coefficient if e.evaluation_type == evaluation_type else 0.0)
|
2024-05-20 23:28:39 +02:00
|
|
|
for e in modimpl.evaluations
|
|
|
|
],
|
|
|
|
dtype=float,
|
|
|
|
)
|
|
|
|
).reshape(-1, 1)
|
|
|
|
|
2022-02-06 16:09:17 +01:00
|
|
|
# was _list_notes_evals_titles
|
2023-08-25 17:58:57 +02:00
|
|
|
def get_evaluations_completes(self, moduleimpl: ModuleImpl) -> list[Evaluation]:
|
2022-02-06 16:09:17 +01:00
|
|
|
"Liste des évaluations complètes"
|
|
|
|
return [
|
|
|
|
e for e in moduleimpl.evaluations if self.evaluations_completes_dict[e.id]
|
|
|
|
]
|
|
|
|
|
2021-12-30 23:58:38 +01:00
|
|
|
def get_eval_notes_sur_20(self, moduleimpl: ModuleImpl) -> np.array:
|
2022-11-13 14:22:47 +01:00
|
|
|
"""Les notes de toutes les évaluations du module, complètes ou non.
|
|
|
|
Remplace les ATT, EXC, ABS, NaN par zéro et mets les notes sur 20.
|
2021-12-30 23:58:38 +01:00
|
|
|
Résultat: 2d array of floats, shape nb_etuds x nb_evaluations
|
|
|
|
"""
|
|
|
|
return np.where(
|
|
|
|
self.evals_notes.values > scu.NOTES_ABSENCE, self.evals_notes.values, 0.0
|
|
|
|
) / [e.note_max / 20.0 for e in moduleimpl.evaluations]
|
|
|
|
|
2022-07-19 22:17:10 +02:00
|
|
|
def get_eval_notes_dict(self, evaluation_id: int) -> dict:
|
2024-02-25 16:58:59 +01:00
|
|
|
"""Notes d'une évaluation, brutes, sous forme d'un dict
|
2022-07-19 22:17:10 +02:00
|
|
|
{ etudid : valeur }
|
|
|
|
avec les valeurs float, ou "ABS" ou EXC
|
|
|
|
"""
|
|
|
|
return {
|
|
|
|
etudid: scu.fmt_note(x, keep_numeric=True)
|
|
|
|
for (etudid, x) in self.evals_notes[evaluation_id].items()
|
|
|
|
}
|
|
|
|
|
2024-05-21 20:23:10 +02:00
|
|
|
def get_evaluations_rattrapage(self, moduleimpl: ModuleImpl) -> list[Evaluation]:
|
|
|
|
"""Les évaluations de rattrapage de ce module.
|
2022-02-02 09:36:12 +01:00
|
|
|
Rattrapage: la moyenne du module est la meilleure note entre moyenne
|
2024-05-21 20:23:10 +02:00
|
|
|
des autres évals et la moyenne des notes de rattrapage.
|
2022-02-02 09:36:12 +01:00
|
|
|
"""
|
2024-05-21 20:23:10 +02:00
|
|
|
return [
|
2022-02-02 09:36:12 +01:00
|
|
|
e
|
|
|
|
for e in moduleimpl.evaluations
|
2024-02-24 16:49:41 +01:00
|
|
|
if e.evaluation_type == Evaluation.EVALUATION_RATTRAPAGE
|
2022-02-02 09:36:12 +01:00
|
|
|
]
|
|
|
|
|
2024-05-20 23:28:39 +02:00
|
|
|
def get_evaluations_session2(self, moduleimpl: ModuleImpl) -> list[Evaluation]:
|
|
|
|
"""Les évaluations de deuxième session de ce module, ou None s'il n'en a pas.
|
|
|
|
La moyenne des notes de Session 2 remplace la note de moyenne des autres évals.
|
2022-02-02 09:36:12 +01:00
|
|
|
"""
|
2024-05-20 23:28:39 +02:00
|
|
|
return [
|
2022-02-02 09:36:12 +01:00
|
|
|
e
|
|
|
|
for e in moduleimpl.evaluations
|
2024-02-24 16:49:41 +01:00
|
|
|
if e.evaluation_type == Evaluation.EVALUATION_SESSION2
|
2022-02-02 09:36:12 +01:00
|
|
|
]
|
|
|
|
|
2024-02-24 16:49:41 +01:00
|
|
|
def get_evaluations_bonus(self, modimpl: ModuleImpl) -> list[Evaluation]:
|
2024-06-27 21:35:35 +02:00
|
|
|
"""Les évaluations bonus non bloquées de ce module, ou liste vide s'il n'en a pas."""
|
2024-02-24 16:49:41 +01:00
|
|
|
return [
|
|
|
|
e
|
|
|
|
for e in modimpl.evaluations
|
2024-06-27 21:35:35 +02:00
|
|
|
if e.evaluation_type == Evaluation.EVALUATION_BONUS and not e.is_blocked()
|
2024-02-24 16:49:41 +01:00
|
|
|
]
|
|
|
|
|
|
|
|
def get_evaluations_bonus_idx(self, modimpl: ModuleImpl) -> list[int]:
|
2024-06-27 21:35:35 +02:00
|
|
|
"""Les indices des évaluations bonus non bloquées"""
|
2024-02-24 16:49:41 +01:00
|
|
|
return [
|
|
|
|
i
|
|
|
|
for (i, e) in enumerate(modimpl.evaluations)
|
2024-06-27 21:35:35 +02:00
|
|
|
if e.evaluation_type == Evaluation.EVALUATION_BONUS and not e.is_blocked()
|
2024-02-24 16:49:41 +01:00
|
|
|
]
|
|
|
|
|
2021-12-30 23:58:38 +01:00
|
|
|
|
|
|
|
class ModuleImplResultsAPC(ModuleImplResults):
|
|
|
|
"Calcul des moyennes de modules à la mode BUT"
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
def compute_module_moy(
|
2024-05-28 13:51:27 +02:00
|
|
|
self, evals_poids_df: pd.DataFrame, modimpl_coefs_df: pd.DataFrame
|
2021-12-26 19:15:47 +01:00
|
|
|
) -> pd.DataFrame:
|
|
|
|
"""Calcule les moyennes des étudiants dans ce module
|
|
|
|
|
2024-05-28 13:51:27 +02:00
|
|
|
Argument:
|
|
|
|
evals_poids: DataFrame, colonnes: UEs, lignes: EVALs
|
|
|
|
modimpl_coefs_df: DataFrame, colonnes: modimpl_id, lignes: ue_id
|
2021-12-26 19:15:47 +01:00
|
|
|
|
|
|
|
Résultat: DataFrame, colonnes UE, lignes etud
|
|
|
|
= la note de l'étudiant dans chaque UE pour ce module.
|
|
|
|
ou NaN si les évaluations (dans lesquelles l'étudiant a des notes)
|
|
|
|
ne donnent pas de coef vers cette UE.
|
|
|
|
"""
|
2023-07-11 06:57:38 +02:00
|
|
|
modimpl = db.session.get(ModuleImpl, self.moduleimpl_id)
|
2021-12-26 19:15:47 +01:00
|
|
|
nb_etuds, nb_evals = self.evals_notes.shape
|
|
|
|
nb_ues = evals_poids_df.shape[1]
|
2023-06-21 13:09:29 +02:00
|
|
|
if evals_poids_df.shape[0] != nb_evals:
|
|
|
|
# compat notes/poids: race condition ?
|
|
|
|
app.critical_error(
|
|
|
|
f"""compute_module_moy: evals_poids_df.shape[0] != nb_evals ({
|
|
|
|
evals_poids_df.shape[0]} != {nb_evals})
|
|
|
|
"""
|
|
|
|
)
|
2021-12-26 19:15:47 +01:00
|
|
|
if nb_etuds == 0:
|
|
|
|
return pd.DataFrame(index=[], columns=evals_poids_df.columns)
|
2022-01-31 22:46:18 +01:00
|
|
|
if nb_ues == 0:
|
|
|
|
return pd.DataFrame(index=self.evals_notes.index, columns=[])
|
2024-05-20 23:28:39 +02:00
|
|
|
# coefs des évals complètes normales (pas rattr., session 2 ni bonus):
|
2022-02-02 09:36:12 +01:00
|
|
|
evals_coefs = self.get_evaluations_coefs(modimpl)
|
2021-12-26 19:15:47 +01:00
|
|
|
evals_poids = evals_poids_df.values * evals_coefs
|
|
|
|
# -> evals_poids shape : (nb_evals, nb_ues)
|
|
|
|
assert evals_poids.shape == (nb_evals, nb_ues)
|
2022-02-02 09:36:12 +01:00
|
|
|
evals_notes_20 = self.get_eval_notes_sur_20(modimpl)
|
2021-12-30 23:58:38 +01:00
|
|
|
|
|
|
|
# Les poids des évals pour chaque étudiant: là où il a des notes
|
|
|
|
# non neutralisées
|
2021-12-26 19:15:47 +01:00
|
|
|
# (ABS n'est pas neutralisée, mais ATTENTE et NEUTRALISE oui)
|
|
|
|
# Note: les NaN sont remplacés par des 0 dans evals_notes
|
|
|
|
# et dans dans evals_poids_etuds
|
|
|
|
# (rappel: la comparaison est toujours false face à un NaN)
|
|
|
|
# shape: (nb_etuds, nb_evals, nb_ues)
|
2024-02-24 16:49:41 +01:00
|
|
|
poids_stacked = np.stack([evals_poids] * nb_etuds) # nb_etuds, nb_evals, nb_ues
|
2021-12-26 19:15:47 +01:00
|
|
|
evals_poids_etuds = np.where(
|
|
|
|
np.stack([self.evals_notes.values] * nb_ues, axis=2) > scu.NOTES_NEUTRALISE,
|
|
|
|
poids_stacked,
|
|
|
|
0,
|
|
|
|
)
|
|
|
|
# Calcule la moyenne pondérée sur les notes disponibles:
|
2021-12-30 23:58:38 +01:00
|
|
|
evals_notes_stacked = np.stack([evals_notes_20] * nb_ues, axis=2)
|
2024-02-24 16:49:41 +01:00
|
|
|
# evals_notes_stacked shape: nb_etuds, nb_evals, nb_ues
|
2021-12-26 19:15:47 +01:00
|
|
|
with np.errstate(invalid="ignore"): # ignore les 0/0 (-> NaN)
|
|
|
|
etuds_moy_module = np.sum(
|
|
|
|
evals_poids_etuds * evals_notes_stacked, axis=1
|
|
|
|
) / np.sum(evals_poids_etuds, axis=1)
|
2024-02-24 16:49:41 +01:00
|
|
|
# etuds_moy_module shape: nb_etuds x nb_ues
|
|
|
|
|
2024-05-20 23:28:39 +02:00
|
|
|
evals_session2 = self.get_evaluations_session2(modimpl)
|
2024-05-21 20:23:10 +02:00
|
|
|
evals_rat = self.get_evaluations_rattrapage(modimpl)
|
2024-05-20 23:28:39 +02:00
|
|
|
if evals_session2:
|
2024-05-21 20:23:10 +02:00
|
|
|
# Session2 : quand elle existe, remplace la note de module
|
2024-05-20 23:28:39 +02:00
|
|
|
# Calcul moyenne notes session2 et remplace (si la note session 2 existe)
|
2024-05-21 20:23:10 +02:00
|
|
|
etuds_moy_module_s2 = self._compute_moy_special(
|
|
|
|
modimpl,
|
|
|
|
evals_notes_stacked,
|
|
|
|
evals_poids_df,
|
|
|
|
Evaluation.EVALUATION_SESSION2,
|
2024-05-20 23:28:39 +02:00
|
|
|
)
|
|
|
|
|
2024-05-28 13:51:27 +02:00
|
|
|
# Vrai si toutes les UEs avec coef non nul ont bien une note de session 2 calculée:
|
|
|
|
mod_coefs = modimpl_coefs_df[modimpl.id]
|
|
|
|
etuds_use_session2 = np.all(
|
|
|
|
np.isfinite(etuds_moy_module_s2[:, mod_coefs != 0]), axis=1
|
|
|
|
)
|
2022-02-02 09:36:12 +01:00
|
|
|
etuds_moy_module = np.where(
|
|
|
|
etuds_use_session2[:, np.newaxis],
|
2024-05-20 23:28:39 +02:00
|
|
|
etuds_moy_module_s2,
|
2022-02-02 09:36:12 +01:00
|
|
|
etuds_moy_module,
|
|
|
|
)
|
|
|
|
self.etuds_use_session2 = pd.Series(
|
|
|
|
etuds_use_session2, index=self.evals_notes.index
|
|
|
|
)
|
2024-05-21 20:23:10 +02:00
|
|
|
elif evals_rat:
|
|
|
|
etuds_moy_module_rat = self._compute_moy_special(
|
|
|
|
modimpl,
|
|
|
|
evals_notes_stacked,
|
|
|
|
evals_poids_df,
|
|
|
|
Evaluation.EVALUATION_RATTRAPAGE,
|
|
|
|
)
|
|
|
|
etuds_ue_use_rattrapage = (
|
|
|
|
etuds_moy_module_rat > etuds_moy_module
|
|
|
|
) # etud x UE
|
|
|
|
etuds_moy_module = np.where(
|
|
|
|
etuds_ue_use_rattrapage, etuds_moy_module_rat, etuds_moy_module
|
|
|
|
)
|
|
|
|
self.etuds_use_rattrapage = pd.Series(
|
|
|
|
np.any(etuds_ue_use_rattrapage, axis=1), index=self.evals_notes.index
|
|
|
|
)
|
2024-05-20 23:28:39 +02:00
|
|
|
# Application des évaluations bonus:
|
|
|
|
etuds_moy_module = self.apply_bonus(
|
|
|
|
etuds_moy_module,
|
|
|
|
modimpl,
|
|
|
|
evals_poids_df,
|
|
|
|
evals_notes_stacked,
|
|
|
|
)
|
2021-12-26 19:15:47 +01:00
|
|
|
self.etuds_moy_module = pd.DataFrame(
|
|
|
|
etuds_moy_module,
|
|
|
|
index=self.evals_notes.index,
|
|
|
|
columns=evals_poids_df.columns,
|
|
|
|
)
|
|
|
|
return self.etuds_moy_module
|
|
|
|
|
2024-05-21 20:23:10 +02:00
|
|
|
def _compute_moy_special(
|
|
|
|
self,
|
|
|
|
modimpl: ModuleImpl,
|
|
|
|
evals_notes_stacked: np.array,
|
|
|
|
evals_poids_df: pd.DataFrame,
|
|
|
|
evaluation_type: int,
|
|
|
|
) -> np.array:
|
|
|
|
"""Calcul moyenne APC sur évals rattrapage ou session2"""
|
|
|
|
nb_etuds = self.evals_notes.shape[0]
|
|
|
|
nb_ues = evals_poids_df.shape[1]
|
|
|
|
evals_coefs_s2 = self.get_evaluations_special_coefs(
|
|
|
|
modimpl, evaluation_type=evaluation_type
|
|
|
|
)
|
|
|
|
evals_poids_s2 = evals_poids_df.values * evals_coefs_s2
|
|
|
|
poids_stacked_s2 = np.stack(
|
|
|
|
[evals_poids_s2] * nb_etuds
|
|
|
|
) # nb_etuds, nb_evals, nb_ues
|
|
|
|
evals_poids_etuds_s2 = np.where(
|
|
|
|
np.stack([self.evals_notes.values] * nb_ues, axis=2) > scu.NOTES_NEUTRALISE,
|
|
|
|
poids_stacked_s2,
|
|
|
|
0,
|
|
|
|
)
|
|
|
|
with np.errstate(invalid="ignore"): # ignore les 0/0 (-> NaN)
|
|
|
|
etuds_moy_module_s2 = np.sum(
|
|
|
|
evals_poids_etuds_s2 * evals_notes_stacked, axis=1
|
|
|
|
) / np.sum(evals_poids_etuds_s2, axis=1)
|
|
|
|
return etuds_moy_module_s2
|
|
|
|
|
2024-02-24 16:49:41 +01:00
|
|
|
def apply_bonus(
|
|
|
|
self,
|
|
|
|
etuds_moy_module: pd.DataFrame,
|
|
|
|
modimpl: ModuleImpl,
|
|
|
|
evals_poids_df: pd.DataFrame,
|
|
|
|
evals_notes_stacked: np.ndarray,
|
|
|
|
):
|
|
|
|
"""Ajoute les points des évaluations bonus.
|
|
|
|
Il peut y avoir un nb quelconque d'évaluations bonus.
|
|
|
|
Les points sont directement ajoutés (ils peuvent être négatifs).
|
|
|
|
"""
|
|
|
|
evals_bonus = self.get_evaluations_bonus(modimpl)
|
|
|
|
if not evals_bonus:
|
|
|
|
return etuds_moy_module
|
|
|
|
poids_stacked = np.stack([evals_poids_df.values] * len(etuds_moy_module))
|
|
|
|
for evaluation in evals_bonus:
|
|
|
|
eval_idx = evals_poids_df.index.get_loc(evaluation.id)
|
|
|
|
etuds_moy_module += (
|
|
|
|
evals_notes_stacked[:, eval_idx, :] * poids_stacked[:, eval_idx, :]
|
|
|
|
)
|
|
|
|
# Clip dans [0,20]
|
|
|
|
etuds_moy_module.clip(0, 20, out=etuds_moy_module)
|
|
|
|
return etuds_moy_module
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
|
2022-01-25 10:45:13 +01:00
|
|
|
def load_evaluations_poids(moduleimpl_id: int) -> tuple[pd.DataFrame, list]:
|
2021-11-17 10:28:51 +01:00
|
|
|
"""Charge poids des évaluations d'un module et retourne un dataframe
|
|
|
|
rows = evaluations, columns = UE, value = poids (float).
|
|
|
|
Les valeurs manquantes (évaluations sans coef vers des UE) sont
|
2022-01-29 22:45:39 +01:00
|
|
|
remplies: 1 si le coef de ce module dans l'UE est non nul, zéro sinon
|
|
|
|
(sauf pour module bonus, defaut à 1)
|
2022-02-18 19:34:40 +01:00
|
|
|
|
|
|
|
Si le module n'est pas une ressource ou une SAE, ne charge pas de poids
|
|
|
|
et renvoie toujours les poids par défaut.
|
|
|
|
|
2022-01-25 10:45:13 +01:00
|
|
|
Résultat: (evals_poids, liste de UEs du semestre sauf le sport)
|
2021-11-17 10:28:51 +01:00
|
|
|
"""
|
2023-12-12 19:12:46 +01:00
|
|
|
modimpl = db.session.get(ModuleImpl, moduleimpl_id)
|
2023-04-03 17:46:31 +02:00
|
|
|
ues = modimpl.formsemestre.get_ues(with_sport=False)
|
2021-11-17 10:28:51 +01:00
|
|
|
ue_ids = [ue.id for ue in ues]
|
2023-12-12 19:12:46 +01:00
|
|
|
evaluation_ids = [evaluation.id for evaluation in modimpl.evaluations]
|
2021-12-26 19:15:47 +01:00
|
|
|
evals_poids = pd.DataFrame(columns=ue_ids, index=evaluation_ids, dtype=float)
|
2022-02-18 19:34:40 +01:00
|
|
|
if (
|
|
|
|
modimpl.module.module_type == ModuleType.RESSOURCE
|
|
|
|
or modimpl.module.module_type == ModuleType.SAE
|
|
|
|
):
|
|
|
|
for ue_poids in EvaluationUEPoids.query.join(
|
|
|
|
EvaluationUEPoids.evaluation
|
|
|
|
).filter_by(moduleimpl_id=moduleimpl_id):
|
|
|
|
try:
|
2024-07-31 15:12:32 +02:00
|
|
|
evals_poids.loc[ue_poids.evaluation_id, ue_poids.ue_id] = ue_poids.poids
|
2023-12-12 19:12:46 +01:00
|
|
|
except KeyError:
|
2022-02-18 19:34:40 +01:00
|
|
|
pass # poids vers des UE qui n'existent plus ou sont dans un autre semestre...
|
2021-11-17 10:28:51 +01:00
|
|
|
|
2022-01-25 10:45:13 +01:00
|
|
|
# Initialise poids non enregistrés:
|
2022-02-01 11:37:05 +01:00
|
|
|
default_poids = (
|
|
|
|
1.0
|
|
|
|
if modimpl.module.ue.type == UE_SPORT
|
|
|
|
or modimpl.module.module_type == ModuleType.MALUS
|
|
|
|
else 0.0
|
|
|
|
)
|
2022-01-29 22:45:39 +01:00
|
|
|
|
2022-01-25 10:45:13 +01:00
|
|
|
if np.isnan(evals_poids.values.flat).any():
|
|
|
|
ue_coefs = modimpl.module.get_ue_coef_dict()
|
|
|
|
for ue in ues:
|
2024-07-31 15:12:32 +02:00
|
|
|
evals_poids.loc[evals_poids[ue.id].isna(), ue.id] = (
|
2022-01-29 22:45:39 +01:00
|
|
|
1 if ue_coefs.get(ue.id, default_poids) > 0 else 0
|
2022-01-25 10:45:13 +01:00
|
|
|
)
|
|
|
|
|
2021-12-26 19:15:47 +01:00
|
|
|
return evals_poids, ues
|
2021-11-17 10:28:51 +01:00
|
|
|
|
|
|
|
|
2024-05-20 23:28:39 +02:00
|
|
|
# appelé par ModuleImpl.check_apc_conformity()
|
2021-12-26 19:15:47 +01:00
|
|
|
def moduleimpl_is_conforme(
|
2022-12-17 21:27:14 +01:00
|
|
|
moduleimpl, evals_poids: pd.DataFrame, modimpl_coefs_df: pd.DataFrame
|
2021-11-17 10:28:51 +01:00
|
|
|
) -> bool:
|
|
|
|
"""Vérifie que les évaluations de ce moduleimpl sont bien conformes
|
|
|
|
au PN.
|
|
|
|
Un module est dit *conforme* si et seulement si la somme des poids de ses
|
|
|
|
évaluations vers une UE de coefficient non nul est non nulle.
|
2021-12-26 19:15:47 +01:00
|
|
|
|
2022-09-07 00:09:15 +02:00
|
|
|
Arguments:
|
|
|
|
evals_poids: DataFrame, colonnes: UEs, Lignes: EVALs
|
2022-12-17 21:27:14 +01:00
|
|
|
modimpl_coefs_df: DataFrame, cols: modimpl_id, lignes: UEs du formsemestre
|
2022-01-25 10:45:13 +01:00
|
|
|
NB: les UEs dans evals_poids sont sans le bonus sport
|
2021-11-17 10:28:51 +01:00
|
|
|
"""
|
2021-12-13 19:04:35 +01:00
|
|
|
nb_evals, nb_ues = evals_poids.shape
|
|
|
|
if nb_evals == 0:
|
|
|
|
return True # modules vides conformes
|
|
|
|
if nb_ues == 0:
|
|
|
|
return False # situation absurde (pas d'UE)
|
2022-12-17 21:27:14 +01:00
|
|
|
if len(modimpl_coefs_df) != nb_ues:
|
2022-06-08 17:56:27 +02:00
|
|
|
# il arrive (#bug) que le cache ne soit pas à jour...
|
|
|
|
sco_cache.invalidate_formsemestre()
|
2024-05-20 23:28:39 +02:00
|
|
|
return app.critical_error("moduleimpl_is_conforme: err 1")
|
2022-09-08 10:28:12 +02:00
|
|
|
|
2022-12-17 21:27:14 +01:00
|
|
|
if moduleimpl.id not in modimpl_coefs_df:
|
2022-09-08 10:28:12 +02:00
|
|
|
# soupçon de bug cache coef ?
|
|
|
|
sco_cache.invalidate_formsemestre()
|
2024-05-20 23:28:39 +02:00
|
|
|
return app.critical_error("moduleimpl_is_conforme: err 2")
|
2022-09-08 10:28:12 +02:00
|
|
|
|
2022-09-07 00:09:15 +02:00
|
|
|
module_evals_poids = evals_poids.transpose().sum(axis=1) != 0
|
2022-12-17 21:27:14 +01:00
|
|
|
return all((modimpl_coefs_df[moduleimpl.id] != 0).eq(module_evals_poids))
|
2021-12-30 23:58:38 +01:00
|
|
|
|
|
|
|
|
|
|
|
class ModuleImplResultsClassic(ModuleImplResults):
|
|
|
|
"Calcul des moyennes de modules des formations classiques"
|
|
|
|
|
|
|
|
def compute_module_moy(self) -> pd.Series:
|
|
|
|
"""Calcule les moyennes des étudiants dans ce module
|
|
|
|
|
|
|
|
Résultat: Series, lignes etud
|
|
|
|
= la note (moyenne) de l'étudiant pour ce module.
|
|
|
|
ou NaN si les évaluations (dans lesquelles l'étudiant a des notes)
|
|
|
|
ne donnent pas de coef.
|
|
|
|
"""
|
2023-07-11 06:57:38 +02:00
|
|
|
modimpl = db.session.get(ModuleImpl, self.moduleimpl_id)
|
2021-12-30 23:58:38 +01:00
|
|
|
nb_etuds, nb_evals = self.evals_notes.shape
|
|
|
|
if nb_etuds == 0:
|
|
|
|
return pd.Series()
|
|
|
|
evals_coefs = self.get_evaluations_coefs(modimpl).reshape(-1)
|
2023-01-23 23:03:20 +01:00
|
|
|
if evals_coefs.shape != (nb_evals,):
|
|
|
|
app.critical_error("compute_module_moy: vals_coefs.shape != nb_evals")
|
2021-12-30 23:58:38 +01:00
|
|
|
evals_notes_20 = self.get_eval_notes_sur_20(modimpl)
|
|
|
|
# Les coefs des évals pour chaque étudiant: là où il a des notes
|
|
|
|
# non neutralisées
|
|
|
|
# (ABS n'est pas neutralisée, mais ATTENTE et NEUTRALISE oui)
|
|
|
|
# Note: les NaN sont remplacés par des 0 dans evals_notes
|
|
|
|
# et dans dans evals_poids_etuds
|
|
|
|
# (rappel: la comparaison est toujours False face à un NaN)
|
|
|
|
# shape: (nb_etuds, nb_evals)
|
|
|
|
coefs_stacked = np.stack([evals_coefs] * nb_etuds)
|
|
|
|
evals_coefs_etuds = np.where(
|
|
|
|
self.evals_notes.values > scu.NOTES_NEUTRALISE, coefs_stacked, 0
|
|
|
|
)
|
|
|
|
# Calcule la moyenne pondérée sur les notes disponibles:
|
|
|
|
with np.errstate(invalid="ignore"): # ignore les 0/0 (-> NaN)
|
|
|
|
etuds_moy_module = np.sum(
|
|
|
|
evals_coefs_etuds * evals_notes_20, axis=1
|
|
|
|
) / np.sum(evals_coefs_etuds, axis=1)
|
|
|
|
|
2024-05-20 23:28:39 +02:00
|
|
|
evals_session2 = self.get_evaluations_session2(modimpl)
|
2024-05-21 20:23:10 +02:00
|
|
|
evals_rat = self.get_evaluations_rattrapage(modimpl)
|
2024-05-20 23:28:39 +02:00
|
|
|
if evals_session2:
|
2024-05-21 20:23:10 +02:00
|
|
|
# Session2 : quand elle existe, remplace la note de module
|
|
|
|
# Calcule la moyenne des évaluations de session2
|
|
|
|
etuds_moy_module_s2 = self._compute_moy_special(
|
|
|
|
modimpl, evals_notes_20, Evaluation.EVALUATION_SESSION2
|
2024-05-20 23:28:39 +02:00
|
|
|
)
|
|
|
|
etuds_use_session2 = np.isfinite(etuds_moy_module_s2)
|
2022-02-02 09:36:12 +01:00
|
|
|
etuds_moy_module = np.where(
|
|
|
|
etuds_use_session2,
|
2024-05-20 23:28:39 +02:00
|
|
|
etuds_moy_module_s2,
|
2022-02-02 09:36:12 +01:00
|
|
|
etuds_moy_module,
|
|
|
|
)
|
|
|
|
self.etuds_use_session2 = pd.Series(
|
|
|
|
etuds_use_session2, index=self.evals_notes.index
|
|
|
|
)
|
2024-05-21 20:23:10 +02:00
|
|
|
elif evals_rat:
|
2022-02-02 09:36:12 +01:00
|
|
|
# Rattrapage: remplace la note de module ssi elle est supérieure
|
2024-05-21 20:23:10 +02:00
|
|
|
# Calcule la moyenne des évaluations de rattrapage
|
|
|
|
etuds_moy_module_rat = self._compute_moy_special(
|
|
|
|
modimpl, evals_notes_20, Evaluation.EVALUATION_RATTRAPAGE
|
|
|
|
)
|
|
|
|
etuds_use_rattrapage = etuds_moy_module_rat > etuds_moy_module
|
|
|
|
etuds_moy_module = np.where(
|
|
|
|
etuds_use_rattrapage, etuds_moy_module_rat, etuds_moy_module
|
|
|
|
)
|
|
|
|
self.etuds_use_rattrapage = pd.Series(
|
|
|
|
etuds_use_rattrapage, index=self.evals_notes.index
|
|
|
|
)
|
2024-05-20 23:28:39 +02:00
|
|
|
|
|
|
|
# Application des évaluations bonus:
|
|
|
|
etuds_moy_module = self.apply_bonus(
|
|
|
|
etuds_moy_module,
|
|
|
|
modimpl,
|
|
|
|
evals_notes_20,
|
|
|
|
)
|
2021-12-30 23:58:38 +01:00
|
|
|
self.etuds_moy_module = pd.Series(
|
|
|
|
etuds_moy_module,
|
|
|
|
index=self.evals_notes.index,
|
|
|
|
)
|
2022-02-02 09:36:12 +01:00
|
|
|
|
2021-12-30 23:58:38 +01:00
|
|
|
return self.etuds_moy_module
|
2024-02-24 16:49:41 +01:00
|
|
|
|
2024-05-21 20:23:10 +02:00
|
|
|
def _compute_moy_special(
|
|
|
|
self, modimpl: ModuleImpl, evals_notes_20: np.array, evaluation_type: int
|
|
|
|
) -> np.array:
|
|
|
|
"""Calcul moyenne sur évals rattrapage ou session2"""
|
|
|
|
# n'utilise que les notes valides et ABS (0).
|
|
|
|
# Même calcul que pour les évals normales, mais avec seulement les
|
|
|
|
# coefs des évals de session 2 ou rattrapage:
|
|
|
|
nb_etuds = self.evals_notes.shape[0]
|
|
|
|
evals_coefs = self.get_evaluations_special_coefs(
|
|
|
|
modimpl, evaluation_type=evaluation_type
|
|
|
|
).reshape(-1)
|
|
|
|
coefs_stacked = np.stack([evals_coefs] * nb_etuds)
|
|
|
|
# zéro partout sauf si une note ou ABS:
|
|
|
|
evals_coefs_etuds = np.where(
|
|
|
|
self.evals_notes.values > scu.NOTES_NEUTRALISE, coefs_stacked, 0
|
|
|
|
)
|
|
|
|
with np.errstate(invalid="ignore"): # ignore les 0/0 (-> NaN)
|
|
|
|
etuds_moy_module = np.sum(
|
|
|
|
evals_coefs_etuds * evals_notes_20, axis=1
|
|
|
|
) / np.sum(evals_coefs_etuds, axis=1)
|
|
|
|
return etuds_moy_module # array 1d (nb_etuds)
|
|
|
|
|
2024-02-24 16:49:41 +01:00
|
|
|
def apply_bonus(
|
|
|
|
self,
|
|
|
|
etuds_moy_module: np.ndarray,
|
|
|
|
modimpl: ModuleImpl,
|
|
|
|
evals_notes_20: np.ndarray,
|
|
|
|
):
|
|
|
|
"""Ajoute les points des évaluations bonus.
|
|
|
|
Il peut y avoir un nb quelconque d'évaluations bonus.
|
|
|
|
Les points sont directement ajoutés (ils peuvent être négatifs).
|
|
|
|
"""
|
|
|
|
evals_bonus_idx = self.get_evaluations_bonus_idx(modimpl)
|
|
|
|
if not evals_bonus_idx:
|
|
|
|
return etuds_moy_module
|
|
|
|
for eval_idx in evals_bonus_idx:
|
|
|
|
etuds_moy_module += evals_notes_20[:, eval_idx]
|
|
|
|
# Clip dans [0,20]
|
|
|
|
etuds_moy_module.clip(0, 20, out=etuds_moy_module)
|
|
|
|
return etuds_moy_module
|