diff --git a/script/analysis/course_analysis.py b/script/analysis/course_analysis.py
index e69de29bb2d1d6434b8b29ae775ad8c2e48c5391..dc73bd9f0bc35993472b640d6a64895e029d3190 100644
--- a/script/analysis/course_analysis.py
+++ b/script/analysis/course_analysis.py
@@ -0,0 +1,252 @@
+# -*- coding: utf-8 -*-
+import pandas as pd
+import json
+import numpy as np
+from utils.situations import Situation as sit
+#funcoes
+#
+# make_taxas -- parametros df e ultima turma ingresso
+# *qtd_alunos
+# *qtd_trancamento
+# *taxa_reprovacao_absoluta
+# *taxa_reprovacao_frequencia
+# *taxa_reprovacao_ultimo_absoluto
+# *taxa_reprovacao_ultimo_frequencia
+# *taxa_trancamento
+##listas_disciplinas é dicionario com todas as disciplinas
+#def taxas_gerais(df,ultima_turma_ingresso,lista_disciplina):
+# df_quantidade = df.groupby(['COD_ATIV_CURRIC', 'SITUACAO']
+# ).size().reset_index(name='Quantidades')
+# for disciplina in lista_disciplina.keys:
+# quantidades = df_quantidade.loc[df_quantidade.COD_ATIV_CURRIC == disciplina]
+#
+# qtd_trancamento_df =quantidades.loc[quantidades.SITUACAO ==
+# (sit.SIT_CANCELADO || sit.SIT_TRANCAMENTO_ADMINISTRATIVO ||
+# sit.SIT_TRANCAMENTO_TOTAL) ]
+# qtd_trancamento = qtd_trancamento_df.sum
+#
+# qtd_conhecimento_aprov = quantidades.loc[quantidades.SITUACAO ==
+# sit.SIT_CONHECIMENTO_APROVADO].Quantidade
+# qtd_conhecimento_reprov = quantidades.loc[quantidades.SITUACAO ==
+# sit.SIT_CONHECIMENTO_REPROVADO].Quantidade
+# lista_disciplina[disciplina][qtd_conhecimento] = qtd_conhecimento_aprov
+# + qtd_conhecimento_reprov
+# if qtd_conhecimento:
+# taxa_conhecimento = qtd_conhecimento_aprov / listas_disciplinas[disciplina][qtd_conhecimento]
+# else:
+# taxa_conhecimento = -1
+#
+#def print_analise(d):
+# '''imprime todo o dataframe, por default o pandas so imprime as
+# 10 linhas inicias a 10 finais, com essa funcao o pandas imprime
+# as linhas '''
+# with pd.option_context('display.max_rows', None, 'display.max_columns', 27):
+# print(d)
+#
+## calcula as taxas
+#def func(x, matr):
+# ''' esta funcao recebe como parametro uma linha do dataframe e a
+#quantidade de matriculas '''
+# c = matr[x['COD_ATIV_CURRIC']].values[0]
+# return (x['Quantidade'] / c)
+#
+## quantidade de matriculas
+#def counts_matr(df):
+# return df.groupby(['COD_ATIV_CURRIC']).size()
+#
+## taxas e quantidades semetrais
+#def analysis(df):
+# qnt_matr = counts_matr(df) # quantidade de matriculas disciplina
+# ''' conta quantas vezes os valores de 'SITUACAO' se repete para
+# cada disciplina'''
+# disciplinas = df.groupby(['COD_ATIV_CURRIC', 'SITUACAO']
+# ).size().reset_index(name='Quantidade')
+# ''' adiciona mais uma coluna ao df disciplina com as taxas de cada valor
+# de 'SITUACAO' '''
+# disciplina = disciplinas.groupby(['COD_ATIV_CURRIC', 'SITUACAO', 'Quantidade']).apply(
+# lambda x: func(x, qnt_matr)).reset_index(name='Taxas gerais')
+# disciplina = disciplina.drop('level_3',1) # retira coluna duplicada do index
+# # codigo que transforma o dataframe em um dicionario
+# dict_disciplina = {}
+# for dis in qnt_matr.keys():
+# # separa o dataframe em disciplina
+# disc = disciplina.loc[disciplina['COD_ATIV_CURRIC']==dis]
+# disc = disc.drop('COD_ATIV_CURRIC',1) # elimina a coluna codigo
+# # seta a coluna SITUACAO como index
+# disc = disc.set_index('SITUACAO').to_dict()
+# # para caso uma discipl. nao tenha um campo, coloca o campo com valor 0
+# for i in Situation.SITUATIONS:
+# if not(i[0] in disc['Quantidade'].keys()):
+# disc['Quantidade'][i[0]] = 0
+# disc['Taxas gerais'][i[0]] = 0
+# dict_disciplina[dis] = disc
+# return dict_disciplina
+#
+## quantidade de vezes cursadas ate obter a aprovacao
+#def qnt_aprov(df):
+# qnt = df.groupby(['MATR_ALUNO', 'COD_ATIV_CURRIC']
+# ).size().reset_index(name='qnt_aprov')
+# return qnt
+## transforma o dataframe geral em json, # TODO: fazer o mesmo com o semestral
+#def df_to_json(disciplina,qnt_matr):
+# # cria o json
+# with open(dis+'.json','w') as f:
+# json.dump(disc,f,indent=4)
+#
+#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]
+# return (x['counts_semestre'] / c)
+#
+#
+#def analysis_semestre(df):
+# qnt_matr_semestre = matr_semestre(df)
+# discipline_semestre = df.groupby(['COD_ATIV_CURRIC', 'PERIODO', 'ANO', 'SITUACAO'])
+# discipline_semestre = discipline_semestre.size()
+#
+# discipline_semestre = discipline_semestre.reset_index(name='counts_semestre')
+#
+# discipline_semestre = discipline_semestre.groupby(['COD_ATIV_CURRIC', 'PERIODO', 'ANO', 'SITUACAO'])
+#
+# discipline_semestre = discipline_semestre.apply(lambda x: func_semestre(x, qnt_matr_semestre))
+#
+# discipline_semestre = discipline_semestre.reset_index(name='taxas_semetrais')
+# for dis in qnt_matr_semestre.keys():
+# dis = ['CI055']
+# disc = discipline_semestre.loc[discipline_semestre['COD_ATIV_CURRIC']==dis[0]].drop('COD_ATIV_CURRIC',1) # elimina a coluna codigo
+# disc = disc.drop('level_4',1)
+# print(dis[0])
+# print(disc.set_index('ANO'))
+# # seta a coluna SITUACAO como index
+# disc = disc.set_index('ANO').to_dict('index')
+# # with open(dis+'.json','w') as f:
+# # json.dump(disc,f,indent=4)
+# print("--------------------------------------------------------------------------------")
+#
+# break
+# return discipline_semestre
+#
+#
+#
+#def Main(df):
+#
+# # Analysis = analysis(df)
+# Analysis_semestre = analysis_semestre(df)
+# # matr = counts_matr(df)
+# # df_to_json(Analysis,matr)
+# # matr_semes = matr_semestre(df)
+# # pprint_analise(matr_semes)
+#
+def informacoes_gerais(df,lista_disciplinas):
+ #quantidade de matriculas
+ disciplinas = df.groupby(['COD_ATIV_CURRIC']).size()
+ for disciplina in disciplinas.index:
+ disciplina_dict = {}
+ disciplina_df = df.loc[df.COD_ATIV_CURRIC == disciplina]
+ disciplina_dict['qtd_alunos'] = disciplinas[disciplina]
+ disciplina_dict['disciplina_codigo'] = disciplina
+ disciplina_dict['disciplina_nome'] = \
+ disciplina_df.NOME_ATIV_CURRIC.values[0]
+ lista_disciplinas[disciplina] = disciplina_dict
+# -nome da disciplina
+# -codigo da disciplina
+# -lista de disciplina
+# -quantidade de matriculas
+# -retorna um dicionario de disciplina, cada disciplina com quantidade de
+# matriculas
+def conhecimento(qtd,disciplina_dict):
+ conheci_df = qtd.loc[(qtd.SITUACAO == sit.SIT_CONHECIMENTO_APROVADO) |
+ (qtd.SITUACAO == sit.SIT_CONHECIMENTO_REPROVADO)]
+ total_conheci = conheci_df.qtd.sum()
+ if np.isnan(total_conheci):
+ total_conheci = 0
+ conheci_aprov = conheci_df.loc[conheci_df.SITUACAO == \
+ sit.SIT_CONHECIMENTO_APROVADO].set_index('COD_ATIV_CURRIC' )
+ disciplina_dict['qtd_conhecimento'] = total_conheci
+
+ if (total_conheci !=0) and (not conheci_aprov.empty):
+ disciplina_dict['taxa_conhecimento'] = conheci_aprov.qtd.values[0] / total_conheci
+ else:
+ disciplina_dict['taxa_conhecimento'] = 0.0
+
+def trancamento(qtd,disciplina_dict,qtd_matr):
+ trancamento_df = qtd.loc[(qtd.SITUACAO == sit.SIT_TRANCAMENTO_ADMINISTRATIVO) |
+ (qtd.SITUACAO == sit.SIT_TRANCAMENTO_TOTAL) |
+ (qtd.SITUACAO == sit.SIT_CANCELADO)]
+ qtd_tranc = trancamento_df.qtd.sum()
+ if np.isnan(qtd_tranc):
+ qtd_tranc = 0
+ disciplina_dict['qtd_trancamento'] = qtd_tranc
+ disciplina_dict['taxa_trancamento'] = qtd_tranc / qtd_matr if qtd_matr else 0.0
+
+
+def reprovacao(qtd,disciplina,qtd_matr,taxa_reprov_absoluta,taxa_reprov_freq):
+ '''existe as analises reprovacao absoluta, reprovacao por frequencia e
+ reprovacao absoluta, reprovacao por frequencia da ultima vez que a
+ disciplina foi ofertada, a logica da analise eh a mesma so muda os valores
+ do dataframe qtd e o nomes das chaves do dicionario.Eh possivel reaproveitar
+ o mesmo codigo para fazer analise geral e da ultima vez que foi ofertado,
+ para isso so eh preciso enviar outro dataframe qtd e enviar como string o
+ indice do dicionario para ser atribuido de forma correta'''
+ sit_reprov = sit.SITUATION_FAIL + (sit.SIT_REPROVADO_SEM_NOTA,)
+ reprov_df = qtd.loc[(qtd.SITUACAO == sit_reprov[0]) |
+ (qtd.SITUACAO == sit_reprov[1]) |
+ (qtd.SITUACAO == sit_reprov[2]) |
+ (qtd.SITUACAO == sit_reprov[3]) ]
+ qtd_reprov_abso = reprov_df.qtd.sum() #quantidade de reprovacao absoluta
+ qtd_reprov_freq = reprov_df.loc[reprov_df.SITUACAO == sit_reprov[1]]
+ if qtd_matr != 0:
+ disciplina[taxa_reprov_absoluta] = 0.0 \
+ if np.isnan(qtd_reprov_abso) else qtd_reprov_abso / qtd_matr
+ disciplina[taxa_reprov_freq] = 0.0 \
+ if qtd_reprov_freq.empty else qtd_reprov_freq.qtd.values[0] / qtd_matr
+ else:
+ disciplina[taxa_reprov_absoluta] = 0.0
+ disciplina[taxa_reprov_freq] = 0.0
+
+
+def analises_gerais(df,lista_disciplinas):
+ qtd_geral= df.groupby(['COD_ATIV_CURRIC','SITUACAO']).size().reset_index(name='qtd' )
+ print(df.columns)
+ for disciplina in lista_disciplinas.keys():
+ disciplina_dict = {}
+ disciplina_df = df.loc[df.COD_ATIV_CURRIC == disciplina]
+ #quantidade de alunos
+ qtd_matriculas = lista_disciplinas[disciplina]['qtd_alunos']
+ #qtd eh um dataframe que contem a ocorrencia de cada situacao
+ qtd = qtd_geral.loc[qtd_geral.COD_ATIV_CURRIC == disciplina]
+ #faz analises relacionada ao conhecimento
+ conhecimento(qtd,disciplina_dict)
+ # faz analises relacionada ao trancamento
+ trancamento(qtd,disciplina_dict,qtd_matriculas)
+ # faz analises relacionada a reprovacoes
+ reprovacao(qtd,disciplina_dict,qtd_matriculas)
+ #print(disciplina_dict)
+ print("\n" )
+# -qtd_conhecimento
+# -qtd_trancamento
+# -taxa_conhecimento
+# -taxa_reprovacao_absoluta
+# -taxa_reprovacao_frequencia
+# *taxa_reprovacao_ultimo_absoluto
+# *taxa_reprovacao_ultimo_frequencia
+# -taxa_trancamento
+# *nota geral desvio padrao geral
+# *nota ultima vez ofertado e desvio padrao
+#def analises_semestrais()
+# *taxa aprovacao semestral
+# *quantidade de matricula por semestre
+def analises_disciplinas (df):
+ lista_disciplinas = {}
+ informacoes_gerais(df,lista_disciplinas)
+ analises_gerais(df,lista_disciplinas)
+# analises_semestrais(df,listas_disciplinas)
+# """tranformar para json """