forked from ScoDoc/ScoDoc
121 lines
4.2 KiB
Python
121 lines
4.2 KiB
Python
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
|