Nouveau calcul (correct?) de la moyenne de matière en classic

app/comp/moy_mat.py

@@ -40,13 +40,11 @@ def compute_mat_moys_classic(
         modimpl_mask = np.array(
             [m.module.matiere.id == matiere_id for m in formsemestre.modimpls_sorted]
         )
-        etud_moy_gen, _, _ = moy_ue.compute_ue_moys_classic(
+        etud_moy_mat = moy_ue.compute_mat_moys_classic(
-            formsemestre,
             sem_matrix=sem_matrix,
-            ues=ues,
             modimpl_inscr_df=modimpl_inscr_df,
             modimpl_coefs=modimpl_coefs,
             modimpl_mask=modimpl_mask,
         )
-        matiere_moy[matiere_id] = etud_moy_gen
+        matiere_moy[matiere_id] = etud_moy_mat
     return matiere_moy

app/comp/moy_ue.py

@@ -294,7 +294,8 @@ def compute_ue_moys_classic(
     modimpl_coefs: np.array,
     modimpl_mask: np.array,
 ) -> tuple[pd.Series, pd.DataFrame, pd.DataFrame]:
-    """Calcul de la moyenne d'UE en mode classique.
+    """Calcul de la moyenne d'UE et de la moy. générale en mode classique (DUT, LMD, ...).
+
     La moyenne d'UE est un nombre (note/20), ou NI ou NA ou ERR
         NI non inscrit à (au moins un) module de cette UE
         NA pas de notes disponibles
@@ -363,7 +364,7 @@ def compute_ue_moys_classic(
     modimpl_coefs_etuds_no_nan_stacked = np.stack(
         [modimpl_coefs_etuds_no_nan.T] * nb_ues
     )
-    # nb_ue x nb_etuds x nb_mods : coefs prenant en compte NaN et inscriptions
+    # nb_ue x nb_etuds x nb_mods : coefs prenant en compte NaN et inscriptions:
     coefs = (modimpl_coefs_etuds_no_nan_stacked * ue_modules).swapaxes(1, 2)
     if coefs.dtype == np.object:  # arrive sur des tableaux vides
         coefs = coefs.astype(np.float)
@@ -408,6 +409,68 @@ def compute_ue_moys_classic(
     return etud_moy_gen_s, etud_moy_ue_df, etud_coef_ue_df
 
 
+def compute_mat_moys_classic(
+    sem_matrix: np.array,
+    modimpl_inscr_df: pd.DataFrame,
+    modimpl_coefs: np.array,
+    modimpl_mask: np.array,
+) -> pd.Series:
+    """Calcul de la moyenne sur un sous-enemble de modules en formation CLASSIQUE
+
+    La moyenne est un nombre (note/20 ou NaN.
+
+    Le masque modimpl_mask est un tableau de booléens (un par modimpl) qui
+    permet de sélectionner un sous-ensemble de modules (ceux de la matière d'intérêt).
+
+    sem_matrix: notes moyennes aux modules (tous les étuds x tous les modimpls)
+                ndarray (etuds x modimpls)
+                (floats avec des NaN)
+    etuds : listes des étudiants (dim. 0 de la matrice)
+    modimpl_inscr_df: matrice d'inscription du semestre (etud x modimpl)
+    modimpl_coefs: vecteur des coefficients de modules
+    modimpl_mask: masque des modimpls à prendre en compte
+
+    Résultat:
+     - moyennes: pd.Series, index etudid
+    """
+    if (not len(modimpl_mask)) or (
+        sem_matrix.shape[0] == 0
+    ):  # aucun module ou aucun étudiant
+        # etud_moy_gen_s, etud_moy_ue_df, etud_coef_ue_df
+        return pd.Series(
+            [0.0] * len(modimpl_inscr_df.index), index=modimpl_inscr_df.index
+        )
+    # Restreint aux modules sélectionnés:
+    sem_matrix = sem_matrix[:, modimpl_mask]
+    modimpl_inscr = modimpl_inscr_df.values[:, modimpl_mask]
+    modimpl_coefs = modimpl_coefs[modimpl_mask]
+
+    nb_etuds, nb_modules = sem_matrix.shape
+    assert len(modimpl_coefs) == nb_modules
+
+    # Enlève les NaN du numérateur:
+    sem_matrix_no_nan = np.nan_to_num(sem_matrix, nan=0.0)
+    # Ne prend pas en compte les notes des étudiants non inscrits au module:
+    # Annule les notes:
+    sem_matrix_inscrits = np.where(modimpl_inscr, sem_matrix_no_nan, 0.0)
+    # Annule les coefs des modules où l'étudiant n'est pas inscrit:
+    modimpl_coefs_etuds = np.where(
+        modimpl_inscr, np.stack([modimpl_coefs.T] * nb_etuds), 0.0
+    )
+    # Annule les coefs des modules NaN (nb_etuds x nb_mods)
+    modimpl_coefs_etuds_no_nan = np.where(
+        np.isnan(sem_matrix), 0.0, modimpl_coefs_etuds
+    )
+    if modimpl_coefs_etuds_no_nan.dtype == np.object:  # arrive sur des tableaux vides
+        modimpl_coefs_etuds_no_nan = modimpl_coefs_etuds_no_nan.astype(np.float)
+
+    etud_moy_mat = (modimpl_coefs_etuds_no_nan * sem_matrix_inscrits).sum(
+        axis=1
+    ) / modimpl_coefs_etuds_no_nan.sum(axis=1)
+
+    return pd.Series(etud_moy_mat, index=modimpl_inscr_df.index)
+
+
 def compute_malus(
     formsemestre: FormSemestre,
     sem_modimpl_moys: np.array,