app/comp/moy_mod.py

@@ -45,7 +45,6 @@ from app.models import Evaluation, EvaluationUEPoids, ModuleImpl
 from app.scodoc import sco_cache
 from app.scodoc import sco_utils as scu
 from app.scodoc.codes_cursus import UE_SPORT
-from app.scodoc.sco_exceptions import ScoBugCatcher
 from app.scodoc.sco_utils import ModuleType
 
 
@@ -275,20 +274,18 @@ class ModuleImplResults:
             * self.evaluations_completes
         ).reshape(-1, 1)
 
-    def get_evaluations_session2_coefs(self, modimpl: ModuleImpl) -> np.array:
-        """Coefficients des évaluations de session 2.
-        Les évals de session 2 sont réputées "complètes": elles sont toujours
+    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
         prises en compte mais seules les notes numériques et ABS sont utilisées.
         Résultat: 2d-array of floats, shape (nb_evals, 1)
         """
         return (
             np.array(
                 [
-                    (
-                        e.coefficient
-                        if e.evaluation_type == Evaluation.EVALUATION_SESSION2
-                        else 0.0
-                    )
+                    (e.coefficient if e.evaluation_type == evaluation_type else 0.0)
                     for e in modimpl.evaluations
                 ],
                 dtype=float,
@@ -321,19 +318,16 @@ class ModuleImplResults:
             for (etudid, x) in self.evals_notes[evaluation_id].items()
         }
 
-    def get_evaluation_rattrapage(self, moduleimpl: ModuleImpl) -> Evaluation | None:
-        """L'évaluation de rattrapage de ce module, ou None s'il n'en a pas.
+    def get_evaluations_rattrapage(self, moduleimpl: ModuleImpl) -> list[Evaluation]:
+        """Les évaluations de rattrapage de ce module.
         Rattrapage: la moyenne du module est la meilleure note entre moyenne
-        des autres évals et la note eval rattrapage.
+        des autres évals et la moyenne des notes de rattrapage.
         """
-        eval_list = [
+        return [
             e
             for e in moduleimpl.evaluations
             if e.evaluation_type == Evaluation.EVALUATION_RATTRAPAGE
         ]
-        if eval_list:
-            return eval_list[0]
-        return None
 
     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.
@@ -421,25 +415,18 @@ class ModuleImplResultsAPC(ModuleImplResults):
             ) / np.sum(evals_poids_etuds, axis=1)
         # etuds_moy_module shape: nb_etuds x nb_ues
 
-        # Session2 : quand elle existe, remplace la note de module
         evals_session2 = self.get_evaluations_session2(modimpl)
+        evals_rat = self.get_evaluations_rattrapage(modimpl)
         if evals_session2:
+            # Session2 : quand elle existe, remplace la note de module
             # Calcul moyenne notes session2 et remplace (si la note session 2 existe)
-            evals_coefs_s2 = self.get_evaluations_session2_coefs(modimpl)
-            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,
+            etuds_moy_module_s2 = self._compute_moy_special(
+                modimpl,
+                evals_notes_stacked,
+                evals_poids_df,
+                Evaluation.EVALUATION_SESSION2,
             )
 
-            etuds_moy_module_s2 = np.sum(
-                evals_poids_etuds_s2 * evals_notes_stacked, axis=1
-            ) / np.sum(evals_poids_etuds_s2, axis=1)
             # Vrai si toutes les UEs ont bien une note de session 2 calculée:
             etuds_use_session2 = np.all(np.isfinite(etuds_moy_module_s2), axis=1)
             etuds_moy_module = np.where(
@@ -450,28 +437,21 @@ class ModuleImplResultsAPC(ModuleImplResults):
             self.etuds_use_session2 = pd.Series(
                 etuds_use_session2, index=self.evals_notes.index
             )
-        else:
-            # Rattrapage: remplace la note de module ssi elle est supérieure
-            eval_rat = self.get_evaluation_rattrapage(modimpl)
-            if eval_rat:
-                notes_rat = self.evals_notes[eval_rat.id].values
-                # remplace les notes invalides (ATT, EXC...) par des NaN
-                notes_rat = np.where(
-                    notes_rat > scu.NOTES_ABSENCE,
-                    notes_rat / (eval_rat.note_max / 20.0),
-                    np.nan,
+        elif evals_rat:
+            etuds_moy_module_rat = self._compute_moy_special(
+                modimpl,
+                evals_notes_stacked,
+                evals_poids_df,
+                Evaluation.EVALUATION_RATTRAPAGE,
             )
-                # "Étend" le rattrapage sur les UE: la note de rattrapage est la même
-                # pour toutes les UE mais ne remplace que là où elle est supérieure XXX TODO
-                notes_rat_ues = np.stack([notes_rat] * nb_ues, axis=1)
-                # prend le max
-                etuds_use_rattrapage = notes_rat_ues > etuds_moy_module
+            etuds_ue_use_rattrapage = (
+                etuds_moy_module_rat > etuds_moy_module
+            )  # etud x UE
             etuds_moy_module = np.where(
-                    etuds_use_rattrapage, notes_rat_ues, etuds_moy_module
+                etuds_ue_use_rattrapage, etuds_moy_module_rat, etuds_moy_module
             )
-                # Serie indiquant que l'étudiant utilise une note de rattrapage sur l'une des UE:
             self.etuds_use_rattrapage = pd.Series(
-                    etuds_use_rattrapage.any(axis=1), index=self.evals_notes.index
+                np.any(etuds_ue_use_rattrapage, axis=1), index=self.evals_notes.index
             )
         # Application des évaluations bonus:
         etuds_moy_module = self.apply_bonus(
@@ -487,6 +467,34 @@ class ModuleImplResultsAPC(ModuleImplResults):
         )
         return self.etuds_moy_module
 
+    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
+
     def apply_bonus(
         self,
         etuds_moy_module: pd.DataFrame,
@@ -628,24 +636,14 @@ class ModuleImplResultsClassic(ModuleImplResults):
                 evals_coefs_etuds * evals_notes_20, axis=1
             ) / np.sum(evals_coefs_etuds, axis=1)
 
-        # Session2 : quand elle existe, remplace la note de module
         evals_session2 = self.get_evaluations_session2(modimpl)
+        evals_rat = self.get_evaluations_rattrapage(modimpl)
         if evals_session2:
-            # Calculer la moyenne des évaluations de 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:
-            evals_coefs_s2 = self.get_evaluations_session2_coefs(modimpl).reshape(-1)
-            coefs_stacked_s2 = np.stack([evals_coefs_s2] * nb_etuds)
-            # zéro partout sauf si une note ou ABS:
-            evals_coefs_etuds_s2 = np.where(
-                self.evals_notes.values > scu.NOTES_NEUTRALISE, coefs_stacked_s2, 0
+            # 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
             )
-            with np.errstate(invalid="ignore"):  # ignore les 0/0 (-> NaN)
-                etuds_moy_module_s2 = np.sum(
-                    evals_coefs_etuds_s2 * evals_notes_20, axis=1
-                ) / np.sum(evals_coefs_etuds_s2, axis=1)
-
             etuds_use_session2 = np.isfinite(etuds_moy_module_s2)
             etuds_moy_module = np.where(
                 etuds_use_session2,
@@ -655,21 +653,15 @@ class ModuleImplResultsClassic(ModuleImplResults):
             self.etuds_use_session2 = pd.Series(
                 etuds_use_session2, index=self.evals_notes.index
             )
-        else:
+        elif evals_rat:
             # Rattrapage: remplace la note de module ssi elle est supérieure
-            eval_rat = self.get_evaluation_rattrapage(modimpl)
-            if eval_rat:
-                notes_rat = self.evals_notes[eval_rat.id].values
-                # remplace les notes invalides (ATT, EXC...) par des NaN
-                notes_rat = np.where(
-                    notes_rat > scu.NOTES_ABSENCE,
-                    notes_rat / (eval_rat.note_max / 20.0),
-                    np.nan,
+            # Calcule la moyenne des évaluations de rattrapage
+            etuds_moy_module_rat = self._compute_moy_special(
+                modimpl, evals_notes_20, Evaluation.EVALUATION_RATTRAPAGE
             )
-                # prend le max
-                etuds_use_rattrapage = notes_rat > etuds_moy_module
+            etuds_use_rattrapage = etuds_moy_module_rat > etuds_moy_module
             etuds_moy_module = np.where(
-                    etuds_use_rattrapage, notes_rat, etuds_moy_module
+                etuds_use_rattrapage, etuds_moy_module_rat, etuds_moy_module
             )
             self.etuds_use_rattrapage = pd.Series(
                 etuds_use_rattrapage, index=self.evals_notes.index
@@ -688,6 +680,28 @@ class ModuleImplResultsClassic(ModuleImplResults):
 
         return self.etuds_moy_module
 
+    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)
+
     def apply_bonus(
         self,
         etuds_moy_module: np.ndarray,

tests/unit/test_notes_rattrapage.py

@@ -81,8 +81,9 @@ def test_notes_rattrapage(test_client):
     mod_res = res.modimpls_results[moduleimpl_id]
     moduleimpl = db.session.get(ModuleImpl, moduleimpl_id)
     # retrouve l'éval. de rattrapage:
-    eval_rat = mod_res.get_evaluation_rattrapage(moduleimpl)
-    assert eval_rat.id == e_rat["id"]
+    evals_rat = mod_res.get_evaluations_rattrapage(moduleimpl)
+    assert len(evals_rat) == 1
+    assert evals_rat[0].id == e_rat["id"]
     # Les deux évaluations sont considérées comme complètes:
     assert len(mod_res.get_evaluations_completes(moduleimpl)) == 2
 
@@ -176,18 +177,25 @@ def test_notes_rattrapage(test_client):
     # Note moyenne: utilise session 2 même si inférieure
     assert b["ues"][0]["modules"][0]["mod_moy_txt"] == scu.fmt_note(20.0)
 
+    # Met la note session2 à ABS (None)
     _, _, _ = G.create_note(
         evaluation_id=e_session2["id"], etudid=etud["etudid"], note=None
     )
     b = sco_bulletins.formsemestre_bulletinetud_dict(
         sem["formsemestre_id"], etud["etudid"]
     )
-    # Note moyenne: revient à note normale
-    assert b["ues"][0]["modules"][0]["mod_moy_txt"] == scu.fmt_note(10.0)
-    # Supprime évaluation session 2
+    # Note moyenne: zéro car ABS
+    assert b["ues"][0]["modules"][0]["mod_moy_txt"] == scu.fmt_note(0.0)
+    # Supprime note session 2
     _, _, _ = G.create_note(
         evaluation_id=e_session2["id"], etudid=etud["etudid"], note=scu.NOTES_SUPPRESS
     )
+    b = sco_bulletins.formsemestre_bulletinetud_dict(
+        sem["formsemestre_id"], etud["etudid"]
+    )
+    # Note moyenne: revient à sa valeur initiale, 10/20
+    assert b["ues"][0]["modules"][0]["mod_moy_txt"] == scu.fmt_note(10.0)
+    # Supprime évaluation session 2
     evaluation = db.session.get(Evaluation, e_session2["id"])
     assert evaluation
     evaluation.delete()