Indice / Practicas / EJ-3.3

EJ-3.3 · Asistencia con denominador variable

Practica de: 3.4 Mascaras booleanasDificultad: A

Treinta alumnos, doce sesiones, y un porcentaje que parece una división. La parte difícil no es el numerador: es darse cuenta de que el denominador no es 12 para todos.

Qué hay que hacer

A partir de asistencia_sesiones.csv (30 filas × 12 sesiones), producir asistencia_porcentaje.csv con una fila por alumno: cuántas sesiones tiene registradas, cuántas presencias, cuántas ausencias, cuántas celdas sin registro, y el porcentaje.

Archivos

Entrada · asistencia_sesiones.csv (1.5 kB)
Objetivo · asistencia_porcentaje.csv (1.1 kB, 30 filas)
Herramienta · comparar.py (para verificar tu resultado)

ELI5Explicado facil

Si un alumno faltó a una clase, eso cuenta en su contra. Si el profesor no tomó asistencia ese día, no.

Las dos situaciones se ven casi iguales en la planilla - una celda que no dice «P» - y son completamente distintas. Contar la segunda como falta es inventar un dato en contra de alguien.

Las cinco celdas que no dicen ni P ni A

Alumno	Sesión	Dice	Qué es	Qué se hace
L2717	08	`p`	Una presencia, en minúscula	Normalizar: cuenta como presencia
L2724	03	`PRESENTE`	Una presencia, escrita entera	Normalizar: cuenta como presencia
L2703	05	(vacío)	No se tomó asistencia	Sin registro: sale del numerador y del denominador
L2728	10	`-`	Ídem	Sin registro
L2711	01	`X`	Un estado que nadie sabe interpretar	Sin registro: no se puede adivinar

Dos se recuperan y tres no. Y esa distinción - entre escrito distinto y no escrito - es todo el ejercicio.

Lo que cambia el denominador

Tres alumnos, tres porcentajes distintos

Alumno	Presencias	Dividiendo por 12	Dividiendo por lo registrado
L2703	10	83,3 %	90,9 % (sobre 11)
L2711	9	75,0 %	81,8 % (sobre 11)
L2728	4	33,3 %	36,4 % (sobre 11)

Hasta 7,6 puntos de diferencia, sobre un umbral de aprobación que suele estar en el 75 %. A L2703 y a L2711 los cruza de lado.

La trampa del orden

L2703 y L2728 se llaman los dos Fabián Bravo

No es un duplicado que haya que resolver: son dos legajos distintos, y por lo tanto dos alumnos. Lo único que obliga es a ordenar por legajo, porque estudiante no es único y no daría un orden total.

Es la lección 2.2 apareciendo donde no se la esperaba.

El invariante

assert (salida["presencias"] + salida["ausencias"]
        == salida["sesiones_registradas"]).all()
assert (salida["sesiones_registradas"] + salida["sin_registro"] == 12).all()

Los dos tienen que valer en las 30 filas. Es la versión por fila del invariante de la lección 1.6: si no cierra, hay una celda que no fue clasificada.

Cómo saber si te salió

python comparar.py mi_asistencia.csv asistencia_porcentaje.csv

Antes de arrancar, mirá los datos

asistencia_sesiones.csv (entrada) · 30 filas, se muestran 5
legajo	estudiante	sesion_01	sesion_02	sesion_03	sesion_04	sesion_05	sesion_06	sesion_07	sesion_08	sesion_09	sesion_10	sesion_11	sesion_12
L2701	Rocío Duarte	P	P	A	P	P	A	P	A	A	P	A	A
L2702	Yamila Escobar	P	P	P	P	A	A	P	P	P	P	P	P
L2703	Fabián Bravo	A	P	P	P	vacio	P	P	P	P	P	P	P
L2704	Pablo Luna	A	P	P	P	P	P	P	P	P	P	A	A
L2705	Valeria Vidal	P	P	P	P	P	P	P	A	P	P	P	P

El contrato de salida

`asistencia_porcentaje.csv` · 30 filas

Columna	Tipo	Que lleva
`legajo`	texto	El legajo tal cual vino
`estudiante`	texto	El nombre tal cual vino. OJO: se repite, no sirve como clave
`sesiones_registradas`	entero	Presencias mas ausencias: el DENOMINADOR del porcentaje
`presencias`	entero	Cuantas veces asistio
`ausencias`	entero	Cuantas veces falto, con registro
`sin_registro`	entero	Cuantas celdas no son un estado utilizable
`porcentaje`	decimal	100 * presencias / sesiones_registradas, 1 decimal

Orden de las filas: legajo ascendente. Los 30 legajos son distintos; el nombre NO, asi que ordenar por estudiante no daria un orden total. Indice: no se escribe: to_csv(index=False)

Que hacer con cada defecto

Defecto	Donde	Accion	Adonde va
sinonimos de presente escritos distinto	2 celdas: 'p' en L2717 sesion_08 y 'PRESENTE' en L2724 sesion_03	NORMALIZAR: NORMALIZAR: se pasa a mayusculas y se aceptan P, PRESENTE y PRES como presencia. Son registros validos escritos con otra convencion	asistencia_porcentaje.csv, cuentan como presencia
celda vacia	1 celda: L2703 sesion_05	NO NO es una ausencia: es una sesion sin registro. Sale del numerador Y del denominador	asistencia_porcentaje.csv, columna sin_registro
el token '-'	1 celda: L2728 sesion_10	igual igual que la celda vacia: sin registro	asistencia_porcentaje.csv, columna sin_registro
un estado fuera del dominio	1 celda: 'X' en L2711 sesion_01	sin sin registro. No se puede adivinar si esa X queria decir presente o ausente	asistencia_porcentaje.csv, columna sin_registro
dos alumnos con el mismo nombre	L2703 y L2728 se llaman los dos Fabian Bravo	no no se corrige ni se fusiona: son dos legajos distintos y por lo tanto dos alumnos. Solo obliga a ordenar por legajo	asistencia_porcentaje.csv, dos filas

Orden de comprobacion

Una fila puede tener mas de un problema. Se informa solo el primero de esta lista:

normalizar cada celda a mayusculas y sin espacios
clasificar en presente, ausente, o sin registro
contar los tres por alumno
el porcentaje se calcula sobre presencias + ausencias, NO sobre 12

La normalizacion va primero, o la 'p' minuscula y el 'PRESENTE' se pierden como sin registro y dos alumnos quedan con un punto menos. Y el denominador sale del conteo, no de la cantidad de columnas: es la unica decision que cambia tres filas del resultado.

Conteos clave

Si estos numeros no te dan, algo se desvio antes de que llegues a comparar los archivos.

filas de entrada	30
celdas de asistencia	360
asistencia_porcentaje.csv	30
alumnos con menos de 12 sesiones registradas	3
celdas sin registro	3
celdas normalizadas	2
por motivo	ausente: 2, dominio_desconocido: 1

Invariantes

Comprobaciones que tu resultado tiene que cumplir. Corrilas vos mismo antes de comparar los archivos:

len(asistencia) == 30
asistencia['legajo'].is_unique
asistencia['legajo'].is_monotonic_increasing
not asistencia.isna().any().any()
(asistencia['presencias'] + asistencia['ausencias'] == asistencia['sesiones_registradas']).all()
(asistencia['sesiones_registradas'] + asistencia['sin_registro'] == 12).all()
asistencia['sin_registro'].sum() == 3
(asistencia['sesiones_registradas'] < 12).sum() == 3
asistencia['porcentaje'].between(0, 100).all()
asistencia['presencias'].sum() == 285
not asistencia['estudiante'].is_unique

PISTASSi te trabas, abri esto

El porcentaje se divide por sesiones_registradas, no por 12. Son tres alumnos los que cambian, y para uno de ellos la diferencia es de 7,6 puntos.
Normalizar con .strip().upper() ANTES de comparar recupera la 'p' y el 'PRESENTE'. Sin eso, dos alumnos pierden una presencia cada uno.
Una 'X' no es una ausencia: es un estado que nadie sabe interpretar. Contarla como falta seria inventar un dato en contra del alumno.
El invariante sesiones_registradas + sin_registro == 12 tiene que valer en las 30 filas. Es la version por fila del invariante de la leccion 1.6.

Así tiene que quedar

asistencia_porcentaje.csv (objetivo) · 30 filas, se muestran 5
legajo	estudiante	sesiones_registradas	presencias	ausencias	sin_registro	porcentaje
L2701	Rocío Duarte	12	6	6	0	50.0
L2702	Yamila Escobar	12	10	2	0	83.3
L2703	Fabián Bravo	11	10	1	1	90.9
L2704	Pablo Luna	12	9	3	0	75.0
L2705	Valeria Vidal	12	11	1	0	91.7

El orden de las operaciones

Normalizar (.strip().upper()) va antes de clasificar. Si se clasifica primero, la p minúscula y el PRESENTE caen en «sin registro» y dos alumnos más pierden una presencia cada uno - sin que nada avise.