teste

script/analysis/course_analysis.py

@@ -4,97 +4,52 @@ import json
 import numpy as np
 import utils.situations
 
-# df = pd.read_excel("../base/base-2016-1/historico.xls")
-# imprime completamente um dataframe
-
-
-def print_analise(d):
     with pd.option_context('display.max_rows', None, 'display.max_columns', 27):
         print(d)
 
 # calcula as taxas
-
-
-def func(x, matr):
     c = matr[x['COD_ATIV_CURRIC']].values[0]
     return (x['counts'] / c)
 
 # quantidade de matriculas
-
-
-def counts_matr(df):
     return df.groupby(['COD_ATIV_CURRIC']).size()
 
-
-def analysis(df):
     qnt_matr = counts_matr(df)  # quantidade de matriculas disciplina
     # conta quantas vezes os valores de 'SIGLA' se repete para cada disciplina
-    disciplinas = df.groupby(['COD_ATIV_CURRIC', 'SIGLA']
+    diciplines = df.groupby(['COD_ATIV_CURRIC', 'SIGLA']
                              ).size().reset_index(name='counts')
     # adiciona mais uma coluna ao df disciplina com as taxas de cada valor de 'SIGLA'
-    disciplina = disciplinas.groupby(['COD_ATIV_CURRIC', 'SIGLA', 'counts']).apply(
+    disciplines = diciplines.groupby(['COD_ATIV_CURRIC', 'SIGLA', 'counts']).apply(
         lambda x: func(x, qnt_matr)).reset_index(name='taxas gerais')
-    # print(disciplina)
-    return disciplina
-# quantidade de vezes cursadas ate obter a aprovacao
-
+    Disciplines= disciplines['COD_ATIV_CURRIC'].drop_duplicates()
+    for discipline in Disciplines:
+        print(diciplines.discipline)
+        # print(discipline)
+    return disciplines
 
-def qnt_aprov(df):
+# quantidade de vezes cursadas ate obter a aprovacao
     qnt = df.groupby(['MATR_ALUNO', 'COD_ATIV_CURRIC']
                      ).size().reset_index(name='qnt_aprov')
     return qnt
 
-
-def matr_semestre(df):
     return df.groupby(['COD_ATIV_CURRIC', 'PERIODO', 'ANO']).size()
 
-
-def func_semestre(x, matr):
-    # print (matr)
     ano = int(x['ANO'])
-    # print(ano)
     periodo = x['PERIODO'].values[0]
     disciplina = x['COD_ATIV_CURRIC'].values[0]
-    c = matr[disciplina,periodo,ano]
-    # break
-    # print(x['PERIODO'])
-    # print("Disciplina: %s\nPeriodo:%s \nAno:%d"%(disciplina,periodo,ano))
-    # c = matr['CI056','2']
-    # print(c)
-    # print(disciplina)
-    # print("--------------------------------------------------------------------------")
+    c = matr[disciplina, periodo, ano]
     return (x['counts_semestre'] / c)
 
-
-def analysis_semestre(df):
     qnt_matr_semestre = matr_semestre(df)
     discipline_semestre = df.groupby(['COD_ATIV_CURRIC', 'PERIODO', 'ANO', 'SIGLA']).size(
     ).reset_index(name='counts_semestre')
     discipline_semestre = discipline_semestre.groupby(['COD_ATIV_CURRIC', 'PERIODO', 'ANO', 'SIGLA']).apply(lambda x: func_semestre(x,
-                                                                                                        qnt_matr_semestre)).reset_index(name='taxas_semetrais')
+                                                                                                                                    qnt_matr_semestre)).reset_index(name='taxas_semetrais')
 
     return discipline_semestre
-def Main(df):
+
+
     Analysis = analysis(df)
     Analysis_semestre = analysis_semestre(df)
     matr = counts_matr(df)
     matr_semes = matr_semestre(df)
-    print_analise(merged)
-
-# main()
-# matr = counts_matr(df)
-# analysis(df)
-# qnt_aprov(df)
-
-#
-##f = lambda x: x / c[x]
-## p = df.groupby(['COD_ATIV_CURRIC','SIGLA']).size().apply(lambda x: (x /c['CI055'])*100)
-#k = (df.sort(['ANO','PERIODO']))
-##(p.apply(lambda x: print(p['COD_ATIV_CURRIC'])))
-#
-# .size().reset_index(name = "count");
-# c = p.groupby(['count','SIGLA']).size()
-## ''' percorre mais uma vez a serie para aplicar a funcao lambida, se a '''
-##  c = lambda x: x+1
-## curses = df['COD_ATIV_CURRIC'].drop_duplicates()
-# 'MATR_ALUNO','

script/main.py

@@ -4,15 +4,13 @@ from base.dataframe_base import load_dataframes
 from build_cache import build_cache
 from datetime import timedelta
 from utils.situations import *
-
+from analysis.course_analysis import *
 def main():
     start_time = time.clock()
     start_time_exec = time.time()
-
     dataframe = load_dataframes(os.getcwd() + '/' + 'base')
-
     build_cache(dataframe)
-
+    Main(dataframe)
     cpu_time = timedelta(seconds=round(time.clock() - start_time))
     run_time = timedelta(seconds=round(time.time() - start_time_exec))
     print("--- Tempo de CPU: {} ---".format(cpu_time))