diff --git a/script/analysis/course_analysis.py b/script/analysis/course_analysis.py
index 892132e38a6428263f31ec2cf89b9582ade0f7ff..b0de4343b852a92209e0c8469bf5bed0be058d94 100644
--- a/script/analysis/course_analysis.py
+++ b/script/analysis/course_analysis.py
@@ -1,4 +1,5 @@
# -*- coding: utf-8 -*-
+import pprint
import pandas as pd
import json
import numpy as np
@@ -189,13 +190,11 @@ def trancamento(qtd,disciplina_dict,qtd_matr):
def reprovacao(qtd,disciplina,qtd_matr,taxa_reprov_absoluta,taxa_reprov_freq):
- '''existe as analises reprovacao absoluta, reprovacao por frequencia e
+ '''existem as analises reprovacao absoluta, reprovacao por frequencia,
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'''
+ disciplina foi ofertada, a logica das analise sao a mesma so muda os valores
+ do dataframe qtd e o nomes das chaves do dicionario,logo é possÃvel reaproveitar
+ o mesmo codigo para fazer analise geral e da ultima vez que foi ofertado.'''
sit_reprov = sit.SITUATION_FAIL + (sit.SIT_REPROVADO_SEM_NOTA,)
reprov_df = qtd.loc[(qtd.SITUACAO == sit_reprov[0]) |
(qtd.SITUACAO == sit_reprov[1]) |
@@ -212,41 +211,89 @@ def reprovacao(qtd,disciplina,qtd_matr,taxa_reprov_absoluta,taxa_reprov_freq):
disciplina[taxa_reprov_absoluta] = 0.0
disciplina[taxa_reprov_freq] = 0.0
+def nota(notas,disciplina,index):
+ notas_l = []
+ for i in notas.iterrows():
+ if i[1].SITUACAO in sit.SITUATION_AFFECT_IRA:
+ if not(np.isnan(i[1].MEDIA_FINAL)):
+ notas_l.append(i[1].MEDIA_FINAL)
+ notas_np = np.array(notas_l)
+ media = notas_np.mean()
+ desvio_padrao = notas_np.std()
+ disciplina[index] = [media,desvio_padrao]
+
+
+
def analises_gerais(df,lista_disciplinas):
+ ''' Os dataframes qtd_geral e qtd_ultimo_geral são dataframes que possuem
+ as colunas em comun COD_ATIV_CURRIC e SITUACAO, o qtd_ultimo_geral
+ possuem as colunas ano e periodo.Ambos os dataframes possui a coluna qtd
+ que é a quantidade de vezes que cada situacao se repete por disciplina'''
qtd_geral= df.groupby(['COD_ATIV_CURRIC','SITUACAO']).size().reset_index(name='qtd' )
qtd_ultimo_geral = \
df.groupby(['COD_ATIV_CURRIC','SITUACAO','ANO','PERIODO']).size().reset_index(name='qtd')
matr_por_semestre = \
df.groupby(['COD_ATIV_CURRIC','ANO','PERIODO']).size().reset_index(name='matr')
+ ''' dataframe com a quantidade de matriculas por periodo e ano, por exemplo
+ disciplina ci055 2010/1 teve x matriculas'''
+ '''Dataframes relacionado a notas.O campo qtd é inutil, o groupby pede se
+ que se use um apply sobre o groupby, pois se não o grouby é tratado como
+ objeto e não como um dataframe '''
+ nota_geral_df = df.groupby(['COD_ATIV_CURRIC','MEDIA_FINAL', 'SITUACAO',
+ ]).size().reset_index(name = 'qtd' )
+ nota_semestral_df = df.groupby(['COD_ATIV_CURRIC','ANO','PERIODO', 'MEDIA_FINAL', 'SITUACAO',
+ ]).size().reset_index(name = 'qtd' )
for disciplina in lista_disciplinas.keys():
- disciplina_dict = {}
+ disciplina_dict = {} #facilitar os calculos
+
qtd = qtd_geral.loc[qtd_geral.COD_ATIV_CURRIC == disciplina]
+
disciplina_semestral = qtd_ultimo_geral.loc[qtd_ultimo_geral.COD_ATIV_CURRIC == \
disciplina]
+
ano = np.amax(disciplina_semestral.ANO)
+
disciplina_ano = disciplina_semestral.loc[disciplina_semestral.ANO \
== ano]
+
periodo = np.amax(disciplina_ano.PERIODO)
qtd_ultimo = disciplina_ano.loc[disciplina_ano.PERIODO == periodo]
+
#quantidade de alunos
qtd_matriculas = lista_disciplinas[disciplina]['qtd_alunos']
+
qtd_matr_ultimo = \
matr_por_semestre.loc[(matr_por_semestre.COD_ATIV_CURRIC == disciplina) &
(matr_por_semestre.ANO == ano) &
(matr_por_semestre.PERIODO == periodo)].matr.values[0]
- #qtd eh um dataframe que contem a ocorrencia de cada situacao
+
+ #qtd é 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,'taxa_reprovacao_absoluta','taxa_reprovacao_frequencia')
reprovacao(qtd_ultimo,disciplina_dict,qtd_matriculas,'taxa_reprovacao_ultimo_absoluta',
'taxa_reprovacao_ultimo_frequencia')
- lista_disciplinas[disciplina].update(disciplina_dict)
- #print(disciplina_dict)
+ #faz as analises relacionada a nota
+ nota_df = nota_geral_df.loc[nota_geral_df.COD_ATIV_CURRIC == disciplina]
+ nota_por_semestre_df = nota_semestral_df.loc[nota_semestral_df.COD_ATIV_CURRIC == disciplina]
+ nota_ultimo_df = nota_por_semestre_df.loc[nota_por_semestre_df.ANO ==
+ ano]
+ periodo_nota = np.amax(nota_ultimo_df.PERIODO)
+ nota_ultimo = nota_ultimo_df.loc[nota_ultimo_df.PERIODO == periodo_nota]
+
+ nota(nota_df,disciplina_dict,'nota')
+ nota(nota_ultimo,disciplina_dict,'nota_ultimo_ano')
+
+
+ lista_disciplinas[disciplina].update(disciplina_dict)
# -qtd_conhecimento
# -qtd_trancamento
# -taxa_conhecimento
@@ -255,47 +302,44 @@ def analises_gerais(df,lista_disciplinas):
# -taxa_reprovacao_ultimo_absoluto
# -taxa_reprovacao_ultimo_frequencia
# -taxa_trancamento
-# *nota geral desvio padrao geral
-# *nota ultima vez ofertado e desvio padrao
+# -nota geral desvio padrao geral
+# -nota ultima vez ofertado e desvio padrao
def analises_semestrais(df,lista_disciplinas):
geral_df = \
df.groupby(['COD_ATIV_CURRIC','ANO','PERIODO']).size().reset_index(name
= 'matr' )
- for disciplina in lista_disciplinas.keys():
- disciplina_dict = {}
- disciplina_df = df.loc[df.COD_ATIV_CURRIC == disciplina]
- print(disciplina)
- print(disciplina_df.ANO)
- for ano in disciplina_df.ANO:
- disciplina_ano = disciplina_df.loc[disciplina_df.ANO == ano]
- for periodo in disciplina_ano.PERIODO:
- disciplina_periodo = disciplina_ano.loc[disciplina_ano.PERIODO
- == periodo]
- soma_df = disciplina_periodo.loc[
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[0]) |
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[1]) |
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[2]) |
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[3]) |
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[4]) |
- (disciplina_periodo.SITUACAO == sit.SITUATION_AFFECT_IRA[5]) ]
- soma_np = soma_df.MEDIA_FINAL.sum()
- soma = 0 if np.isnan(soma_np) else soma_np
- qtd = soma_df.shape[0]
- # for situacao in sit.SITUATION_AFFECT_IRA:
- # soma_df = disciplina_periodo.loc[disciplina_periodo.SITUACAO
- # == situacao]
- # soma_np = soma_df.MEDIA_FINAL.sum()
- # soma += 0 if np.isnan(soma_np) else soma_np
- # qtd +=soma_df.shape[0]
- # media = 0.0 if qtd == 0 else soma/qtd
- # index = str(ano)+"/"+str(periodo)
- # disciplina_dict[index] = [media,qtd]
+ df_semestral = df.groupby(['COD_ATIV_CURRIC', 'ANO', 'PERIODO' ,
+ 'MEDIA_FINAL','SITUACAO']).size().reset_index(name = 'qtds' )
+ disciplinas = {}
+ for count,i in enumerate(df_semestral.iterrows()):
+ disciplina = i[1].COD_ATIV_CURRIC
+ if not(disciplina in disciplinas):
+ disciplinas[disciplina] = {}
+ ano = str(int(i[1].ANO))
+ periodo = str(i[1].PERIODO)
+ situacao = i[1].SITUACAO
+ media = i[1].MEDIA_FINAL
+ periodo_curso = ano+"/"+periodo
+ disciplinas[disciplina][periodo_curso] = [0.0,0]
+ if situacao in sit.SITUATION_AFFECT_IRA:
+ disciplinas[disciplina][periodo_curso][0] += media
+ disciplinas[disciplina][periodo_curso][1] +=1
+ for disciplina in disciplinas.keys():
+ for ano_periodo in disciplinas[disciplina].keys():
+ qtd = disciplinas[disciplina][ano_periodo][1]
+ disciplinas[disciplina][ano_periodo][0] = 0.0 if qtd == 0 else qtd
-# *taxa aprovacao semestral
-# *quantidade de matricula por semestre
+ aprovacao_semestral = disciplinas[disciplina]
+ lista_disciplinas[disciplina]['aprovacao_semestral'] = \
+ aprovacao_semestral
+# -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,lista_disciplinas)
+ for disciplina in lista_disciplinas.keys():
+ pprint.pprint(lista_disciplinas[disciplina] )
+ print("---------------------------------------" )
# """tranformar para json """