forked from ScoDoc/ScoDoc
Update opolka/ScoDoc from ScoDoc/ScoDoc #2
@ -353,90 +353,90 @@ class JuryPE(object):
|
||||
):
|
||||
trajectoires_tagguees.append(trajectoire_tagguee)
|
||||
|
||||
# Ajout des notes
|
||||
notes = pd.DataFrame(index=etudids, columns=[ [descr], [""], ["note"] ])
|
||||
|
||||
# Combien de notes vont être injectées ?
|
||||
nbre_notes_injectees = 0
|
||||
for traj in trajectoires_tagguees:
|
||||
moy_traj = traj.moyennes_tags[tag]
|
||||
notes_traj = moy_traj.get_df_notes(arrondi=True)
|
||||
etudids_communs = notes_traj.index.intersection(etudids)
|
||||
inscrits_traj = moy_traj.inscrits_ids
|
||||
etudids_communs = set(etudids) & set(inscrits_traj)
|
||||
nbre_notes_injectees += len(etudids_communs)
|
||||
notes.loc[etudids_communs, (descr, "", "note")] = notes_traj.loc[etudids_communs, "notes"]
|
||||
|
||||
# Si l'aggrégat est significatif (aka il y a des notes)
|
||||
if nbre_notes_injectees > 0:
|
||||
df_synthese = df_synthese.join(notes)
|
||||
|
||||
# Ajout des classements & statistiques
|
||||
donnees = pd.DataFrame(
|
||||
index=etudids,
|
||||
columns=[ [descr]*4, [NOM_STAT_GROUPE]*4, ["class.", "min", "moy", "max"] ],
|
||||
)
|
||||
# donnees[(descr, NOM_STAT_GROUPE, "class.")] = donnees[
|
||||
# (descr, NOM_STAT_GROUPE, "class.")
|
||||
# ].astype(str)
|
||||
# donnees[(descr, NOM_STAT_GROUPE, "class.")] = np.nan
|
||||
|
||||
for traj in trajectoires_tagguees:
|
||||
moy_traj = traj.moyennes_tags[tag]
|
||||
|
||||
# Les classements
|
||||
rangs = moy_traj.get_df_rangs_pertinents()
|
||||
|
||||
# Les etudids communs pour la trajectoire
|
||||
etudids_communs = rangs.index.intersection(etudids)
|
||||
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, NOM_STAT_GROUPE, "class.")
|
||||
] = rangs.loc[etudids_communs, "rangs"]
|
||||
|
||||
# Le min
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, NOM_STAT_GROUPE, "min")
|
||||
] = moy_traj.get_min_for_df()
|
||||
# Le max
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, NOM_STAT_GROUPE, "max")
|
||||
] = moy_traj.get_max_for_df()
|
||||
# La moyenne
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, NOM_STAT_GROUPE, "moy")
|
||||
] = moy_traj.get_moy_for_df()
|
||||
|
||||
df_synthese = df_synthese.join(donnees)
|
||||
|
||||
# Ajoute les données d'interclassement
|
||||
interclass = self.interclassements_taggues[aggregat]
|
||||
moy_traj = interclass.moyennes_tags[tag]
|
||||
|
||||
# Ajout des données classements & statistiques
|
||||
nom_stat_promo = f"{NOM_STAT_PROMO} {self.diplome}"
|
||||
donnees = pd.DataFrame(
|
||||
index=etudids,
|
||||
columns=[ [descr]*4, [nom_stat_promo]*4, ["class.", "min", "moy", "max"] ],
|
||||
columns=[
|
||||
[descr] * (1 + 4 * 2),
|
||||
[""] + [NOM_STAT_GROUPE] * 4 + [nom_stat_promo] * 4,
|
||||
["note"] + ["class.", "min", "moy", "max"] * 2,
|
||||
],
|
||||
)
|
||||
|
||||
# Les classements
|
||||
rangs = moy_traj.get_df_rangs_pertinents()
|
||||
for traj in trajectoires_tagguees:
|
||||
# Les données des trajectoires_tagguees
|
||||
moy_traj = traj.moyennes_tags[tag]
|
||||
|
||||
etudids_communs = rangs.index.intersection(etudids)
|
||||
# Les étudiants communs entre tableur de synthèse et trajectoires
|
||||
inscrits_traj = moy_traj.inscrits_ids
|
||||
etudids_communs = list(set(etudids) & set(inscrits_traj))
|
||||
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, nom_stat_promo, "class.")
|
||||
] = rangs.loc[etudids_communs, "rangs"]
|
||||
# Les notes
|
||||
champ = (descr, "", "note")
|
||||
notes_traj = moy_traj.get_notes()
|
||||
donnees.loc[etudids_communs, champ] = notes_traj.loc[
|
||||
etudids_communs]
|
||||
|
||||
# Le min
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, nom_stat_promo, "min")
|
||||
] = moy_traj.get_min_for_df()
|
||||
# Le max
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, nom_stat_promo, "max")
|
||||
] = moy_traj.get_max_for_df()
|
||||
# La moyenne
|
||||
donnees.loc[
|
||||
etudids_communs, (descr, nom_stat_promo, "moy")
|
||||
] = moy_traj.get_moy_for_df()
|
||||
# Les rangs
|
||||
champ = (descr, NOM_STAT_GROUPE, "class.")
|
||||
rangs = moy_traj.get_rangs_inscrits()
|
||||
donnees.loc[etudids_communs, champ] = rangs.loc[
|
||||
etudids_communs
|
||||
]
|
||||
|
||||
# Les mins
|
||||
champ = (descr, NOM_STAT_GROUPE, "min")
|
||||
mins = moy_traj.get_min()
|
||||
donnees.loc[etudids_communs, champ] = mins.loc[etudids_communs]
|
||||
|
||||
# Les max
|
||||
champ = (descr, NOM_STAT_GROUPE, "max")
|
||||
maxs = moy_traj.get_max()
|
||||
donnees.loc[etudids_communs, champ] = maxs.loc[etudids_communs]
|
||||
|
||||
# Les moys
|
||||
champ = (descr, NOM_STAT_GROUPE, "moy")
|
||||
moys = moy_traj.get_max()
|
||||
donnees.loc[etudids_communs, champ] = moys.loc[etudids_communs]
|
||||
|
||||
# Ajoute les données d'interclassement
|
||||
interclass = self.interclassements_taggues[aggregat]
|
||||
moy_interclass = interclass.moyennes_tags[tag]
|
||||
|
||||
# Les étudiants communs entre tableur de synthèse et l'interclassement
|
||||
inscrits_interclass = moy_interclass.inscrits_ids
|
||||
etudids_communs = list(set(etudids) & set(inscrits_interclass))
|
||||
|
||||
# Les classements d'interclassement
|
||||
champ = (descr, nom_stat_promo, "class.")
|
||||
rangs = moy_interclass.get_rangs_inscrits()
|
||||
donnees.loc[etudids_communs, champ] = rangs.loc[etudids_communs]
|
||||
|
||||
# Les mins
|
||||
champ = (descr, nom_stat_promo, "min")
|
||||
mins = moy_interclass.get_min()
|
||||
donnees.loc[etudids_communs, champ] = mins.loc[etudids_communs]
|
||||
|
||||
# Les max
|
||||
champ = (descr, nom_stat_promo, "max")
|
||||
maxs = moy_interclass.get_max()
|
||||
donnees.loc[etudids_communs, champ] = maxs.loc[etudids_communs]
|
||||
|
||||
# Les moys
|
||||
champ = (descr, nom_stat_promo, "moy")
|
||||
moys = moy_interclass.get_max()
|
||||
donnees.loc[etudids_communs, champ] = moys.loc[etudids_communs]
|
||||
|
||||
df_synthese = df_synthese.join(donnees)
|
||||
# Fin de l'aggrégat
|
||||
|
||||
@ -73,8 +73,14 @@ class MoyenneTag:
|
||||
"""
|
||||
self.tag = tag
|
||||
"""Le tag associé à la moyenne"""
|
||||
self.synthese = self.comp_moy_et_stat(notes)
|
||||
"""La synthèse des notes/classements/statistiques"""
|
||||
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 moyenne est non nulle"""
|
||||
self.df: pd.DataFrame = self.comp_moy_et_stat(notes)
|
||||
"""Le dataframe retraçant les moyennes/classements/statistiques"""
|
||||
self.synthese = self.to_dict()
|
||||
"""La synthèse (dictionnaire) des notes/classements/statistiques"""
|
||||
|
||||
def __eq__(self, other):
|
||||
"""Egalité de deux MoyenneTag lorsque leur tag sont identiques"""
|
||||
@ -94,54 +100,85 @@ class MoyenneTag:
|
||||
Un dictionnaire stockant les notes, les classements, le min,
|
||||
le max, la moyenne, le nb de notes (donc d'inscrits)
|
||||
"""
|
||||
# Supprime d'éventuels chaines de caractères dans les notes
|
||||
df = pd.DataFrame(
|
||||
np.nan,
|
||||
index=self.etudids,
|
||||
columns=[
|
||||
"note",
|
||||
"classement",
|
||||
"rang",
|
||||
"min",
|
||||
"max",
|
||||
"moy",
|
||||
"nb_etuds",
|
||||
"nb_inscrits",
|
||||
],
|
||||
)
|
||||
|
||||
# Supprime d'éventuelles chaines de caractères dans les notes
|
||||
notes = pd.to_numeric(notes, errors="coerce")
|
||||
df["note"] = notes
|
||||
|
||||
# Les indices des ... et les notes non nulles/pertinentes
|
||||
indices = notes.notnull()
|
||||
notes_non_nulles = notes[indices]
|
||||
# Les nb d'étudiants & nb d'inscrits
|
||||
df["nb_etuds"] = len(self.etudids)
|
||||
df.loc[self.inscrits_ids, "nb_inscrits"] = len(self.inscrits_ids)
|
||||
|
||||
# Les classements sur les notes non nulles
|
||||
(_, class_gen_ue_non_nul) = comp_ranks_series(notes_non_nulles)
|
||||
# Le classement des inscrits
|
||||
notes_non_nulles = notes[self.inscrits_ids]
|
||||
(class_str, class_int) = comp_ranks_series(notes_non_nulles)
|
||||
df.loc[self.inscrits_ids, "classement"] = class_int
|
||||
|
||||
# Les classements (toutes notes confondues, avec NaN si pas de notes)
|
||||
class_gen_ue = pd.Series(np.nan, index=notes.index) # , dtype="Int64")
|
||||
class_gen_ue[indices] = class_gen_ue_non_nul[indices]
|
||||
# Le rang (classement/nb_inscrit)
|
||||
df["rang"] = df["rang"].astype(str)
|
||||
df.loc[self.inscrits_ids, "rang"] = (
|
||||
df.loc[self.inscrits_ids, "classement"].astype(int).astype(str)
|
||||
+ "/"
|
||||
+ df.loc[self.inscrits_ids, "nb_inscrits"].astype(int).astype(str)
|
||||
)
|
||||
|
||||
# Les stat (des inscrits)
|
||||
df.loc[self.inscrits_ids, "min"] = notes.min()
|
||||
df.loc[self.inscrits_ids, "max"] = notes.max()
|
||||
df.loc[self.inscrits_ids, "moy"] = notes.mean()
|
||||
|
||||
return df
|
||||
|
||||
def to_dict(self) -> dict:
|
||||
"""Renvoie un dictionnaire de synthèse des moyennes/classements/statistiques"""
|
||||
synthese = {
|
||||
"notes": notes,
|
||||
"classements": class_gen_ue,
|
||||
"min": notes.min(),
|
||||
"max": notes.max(),
|
||||
"moy": notes.mean(),
|
||||
"nb_inscrits": sum(indices),
|
||||
"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 get_df_notes(self, arrondi=False):
|
||||
def get_notes(self):
|
||||
"""Série des notes, arrondies à 2 chiffres après la virgule"""
|
||||
if arrondi:
|
||||
serie = self.synthese["notes"].round(2)
|
||||
else:
|
||||
serie = self.synthese["notes"]
|
||||
df = serie.to_frame("notes")
|
||||
return df
|
||||
return self.df["note"].round(2)
|
||||
|
||||
def get_df_rangs_pertinents(self) -> pd.Series:
|
||||
def get_rangs_inscrits(self) -> pd.Series:
|
||||
"""Série des rangs classement/nbre_inscrit"""
|
||||
classement = self.synthese["classements"]
|
||||
indices = classement[classement.notnull()].index.to_list()
|
||||
classement_non_nul = classement.loc[indices].to_frame("classements")
|
||||
classement_non_nul.insert(1, "rangs", np.nan)
|
||||
return self.df["rang"]
|
||||
|
||||
nb_inscrit = self.synthese["nb_inscrits"]
|
||||
def get_min(self) -> pd.Series:
|
||||
"""Série des min"""
|
||||
return self.df["min"].round(2)
|
||||
|
||||
def get_max(self) -> pd.Series:
|
||||
"""Série des max"""
|
||||
return self.df["max"].round(2)
|
||||
|
||||
def get_moy(self) -> pd.Series:
|
||||
"""Série des moy"""
|
||||
return self.df["moy"].round(2)
|
||||
|
||||
classement_non_nul["rangs"] = classement_non_nul["classements"].astype(int).astype(str) + "/" + str(nb_inscrit)
|
||||
return classement_non_nul["rangs"].to_frame("rangs")
|
||||
|
||||
def get_note_for_df(self, etudid: int):
|
||||
"""Note d'un étudiant donné par son etudid"""
|
||||
return round(self.synthese["notes"].loc[etudid], 2)
|
||||
return round(self.df["note"].loc[etudid], 2)
|
||||
|
||||
def get_min_for_df(self) -> float:
|
||||
"""Min renseigné pour affichage dans un df"""
|
||||
@ -158,11 +195,9 @@ class MoyenneTag:
|
||||
def get_class_for_df(self, etudid: int) -> str:
|
||||
"""Classement ramené au nombre d'inscrits,
|
||||
pour un étudiant donné par son etudid"""
|
||||
classement = self.synthese["classements"].loc[etudid]
|
||||
nb_inscrit = self.synthese["nb_inscrits"]
|
||||
classement = self.df["rang"].loc[etudid]
|
||||
if not pd.isna(classement):
|
||||
classement = int(classement)
|
||||
return f"{classement}/{nb_inscrit}"
|
||||
return classement
|
||||
else:
|
||||
return pe_affichage.SANS_NOTE
|
||||
|
||||
|
||||
Loading…
Reference in New Issue
Block a user