diff --git a/script/analysis/course_analysis.py b/script/analysis/course_analysis.py
index f1de206ce680a6d141afbf1a498de718d0b377f2..9fc482ca42f5ebf76978e3da78e8b88bce4bb026 100644
--- a/script/analysis/course_analysis.py
+++ b/script/analysis/course_analysis.py
@@ -2,112 +2,251 @@
import pandas as pd
import json
import numpy as np
-from utils.situations import *
-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)
- # print_analise(matr_semes)
+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 """
diff --git a/script/analysis/student_analysis.py b/script/analysis/student_analysis.py
index e69de29bb2d1d6434b8b29ae775ad8c2e48c5391..326e5bc3e459a503860d12da43699e3a773cde85 100644
--- a/script/analysis/student_analysis.py
+++ b/script/analysis/student_analysis.py
@@ -0,0 +1,63 @@
+import pandas as pd
+from utils.situations import *
+
+def average_ira(d):
+ temp = d.dropna(subset=['MEDIA_FINAL'])
+ temp = temp[temp['MEDIA_FINAL'] <= 100]
+ if not temp.empty:
+ #print(temp[['MEDIA_FINAL', 'CH_TOTAL']])
+ aux = np.sum(temp['MEDIA_FINAL']*temp['CH_TOTAL'])
+ ch_total = np.sum(temp['CH_TOTAL']) * 100
+ print(aux/ch_total)
+
+def aluno_turmas(df):
+ students = {}
+ df = df.dropna(subset=['MEDIA_FINAL'])
+ total_students = len(df["MATR_ALUNO"])
+ for i in range(total_students):
+ matr = (df["MATR_ALUNO"][i])
+ if(not (matr in students)):
+ students[matr] = []
+
+ for s in Situation.SITUATIONS:
+ if(s[0] == df["SITUACAO"][i]):
+ situacao = s[1]
+ break
+ ano = (df["ANO"][i])
+ codigo = (df["COD_ATIV_CURRIC"][i])
+ nome = (df["NOME_ATIV_CURRIC"][i])
+ nota = (df["MEDIA_FINAL"][i])
+ semestre = (df["PERIODO"][i])
+
+ students[matr].append({
+ "ano": ano,
+ "codigo": codigo,
+ "nome": nome,
+ "nota": nota,
+ "semestre": semestre,
+ "situacao": situacao
+ })
+ print(students)
+ #~ lines = (df[["MATR_ALUNO","ANO","COD_ATIV_CURRIC","NOME_ATIV_CURRIC","MEDIA_FINAL","PERIODO","SITUACAO"]])
+ #~ for st in (df.groupby("MATR_ALUNO")):
+ #~ print(st[1]["MATR_ALUNO"])
+ #~ print(st[1]["ANO"])
+ #~ print(st[1]["COD_ATIV_CURRIC"])
+ #~ print(st[1]["NOME_ATIV_CURRIC"])
+ #~ print(st[1]["MEDIA_FINAL"])
+ #~ print(st[1]["PERIODO"])
+ #~ print(st[1]["SITUACAO"])
+ #~ print("")
+ #~ total_student = df['MATR_ALUNO'].drop_duplicates()
+ #~ for st in total_student:
+ #~ students[st] = []
+ #~ hist = df[df["MATR_ALUNO"]==st]
+ #~ for matr in hist:
+ #~ print(hist["ANO"])
+ #~ print(hist[matr]["COD_ATIV_CURRIC"])
+ #~ print(hist[matr]["NOME_ATIV_CURRIC"])
+ #~ print(hist[matr]["MEDIA_FINAL"])
+ #~ print(hist[matr]["PERIODO"])
+ #~ print(hist[matr]["SITUACAO"])
+ #~ print(hist[matr])
+ #~ print("")
diff --git a/script/base/dataframe_base.py b/script/base/dataframe_base.py
index a0a179e40f4a775f0926ee946c9edde56e7bdd34..39c056fd523bf04ff37447381ab190e8c58725ee 100644
--- a/script/base/dataframe_base.py
+++ b/script/base/dataframe_base.py
@@ -2,15 +2,22 @@ import re
import os
import sys
import pandas as pd
-
+import numpy as np
from glob import glob
from json import load as json_load
from utils.situations import *
+class DataframeHolder:
+ def __init__(self, dataframe):
+ self.students = dataframe.groupby('MATR_ALUNO')
+ self.courses = dataframe.groupby('COD_ATIV_CURRIC')
+ self.admission = dataframe.groupby(['ANO_INGRESSO', 'SEMESTRE_INGRESSO'])
+
+
def load_dataframes(cwd='.'):
dataframes = []
- for path, dirs, files in os.walk(cwd):
+ for path, dirs, files in os.walk(cwd):
for f in files:
file_path = path + '/' + f
dh = {'name': f, 'dataframe': None}
@@ -23,6 +30,9 @@ def load_dataframes(cwd='.'):
dataframes.append(dh)
dataframe = fix_dataframes(dataframes)
+ dh = DataframeHolder(dataframe)
+ #~ dh.students.aggregate(teste)
+# print(dh.students['MEDIA_FINAL'].aggregate(teste))
return dataframe
@@ -84,6 +94,12 @@ def fix_admission(df):
def fix_evasion(df):
- # for evasion in EvasionForm.EVASION_FORM:
- # df.loc[df.FORMA_EVASAO.str.contains(evasion[1]).fillna(False), 'FORMA_EVASAO'] = evasion[0]
- pass
+ for evasion in EvasionForm.EVASION_FORM:
+ #~ df.loc[df.FORMA_EVASAO.str.contains(evasion[1]).fillna(1.0), 'FORMA_EVASAO'] = evasion[0]
+ df.loc[df.FORMA_EVASAO == evasion[1], 'FORMA_EVASAO'] = evasion[0]
+ #~ if(evasion[0] == 100):
+ #~ for x in df.FORMA_EVASAO.str.contains(evasion[1]).fillna(False):
+ #~ if(x != 0.0):
+ #~ print(x)
+ #~ print(df.FORMA_EVASAO.str.contains(evasion[1]).fillna(5))
+ #~ print(df[['MATR_ALUNO','FORMA_EVASAO']])
diff --git a/script/build_cache.py b/script/build_cache.py
index 4ceae5a030c3d99e8092bc9e6e1d45adc6930613..4f358398d27a9e83577f65bcf34b1a9fe680103c 100644
--- a/script/build_cache.py
+++ b/script/build_cache.py
@@ -7,12 +7,14 @@ from datetime import timedelta
from pathlib import Path
from utils.utils import build_path
from analysis.degree_analysis import *
+from analysis.student_analysis import *
try:
to_unicode = unicode
except NameError:
to_unicode = str
+
def build_cache(dataframe):
# os.chdir("../src")
path = "cache"
@@ -20,13 +22,13 @@ def build_cache(dataframe):
path += "/curso"
build_path(path)
- generate_degree_data(path, dataframe)
- generate_student_data(path)
- generate_student_list(path)
- generate_admission_data(path)
- generate_admission_list(path)
- generate_course_data(path)
- generate_course_general_data(path)
+# generate_degree_data(path, dataframe)
+ generate_student_data(path,dataframe)
+# generate_student_list(path)
+# generate_admission_data(path)
+# generate_admission_list(path)
+# generate_course_data(path)
+# generate_course_general_data(path)
def generate_degree_data(path, dataframe):
average_graduation(dataframe)
@@ -34,7 +36,8 @@ def generate_degree_data(path, dataframe):
general_ira(dataframe)
pass
-def generate_student_data(path):
+def generate_student_data(path,dataframe):
+ aluno_turmas(dataframe)
pass
def generate_student_list(path):