Indice / Practicas / EJ-6.7

EJ-6.7 · Resumen de asistencia y alumnos en riesgo

Un resumen de asistencia por alumno y la lista de los que no llegan al 75 %. El groupby es la parte fácil; la que decide el resultado es cuál es el denominador.

Qué hay que hacer

A partir de asistencia_larga.csv - la salida de EJ-6.6 -, producir:

• asistencia_resumen.csv - una fila por alumno, con sus sesiones computables, presencias, ausencias y porcentaje.
• en_riesgo.csv - los 8 que quedan por debajo del 75 %.

El denominador variable

Cinco alumnos tienen una celda ilegible, así que tienen 11 sesiones computables y no 12. El porcentaje de cada uno se mide contra sus sesiones computables.

Los tres corren, ninguno da error, y solo uno está en el contrato. Elegir el denominador es el ejercicio.

Cómo saber si te salió

python comparar.py mi_resumen.csv asistencia_resumen.csv
python comparar.py mi_riesgo.csv en_riesgo.csv

Antes de arrancar, mirá los datos

El contrato de salida

asistencia_resumen.csv · 30 filas

Orden de las filas: legajo ascendente. Es unico. Indice: no se escribe: to_csv(index=False)

en_riesgo.csv · 8 filas

Orden de las filas: porcentaje ASC y, si empatan, legajo ASC. Indice: no se escribe: to_csv(index=False)

Que hacer con cada defecto

Conteos clave

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

Invariantes

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

len(resumen) == 30
len(riesgo) == 8
resumen['legajo'].is_unique
(resumen['presentes'] + resumen['ausentes'] == resumen['computables']).all()
(resumen['computables'] + resumen['sin_dato'] == 12).all()
int(resumen['sin_dato'].sum()) == 5
int(resumen['computables'].sum()) == 355
resumen['porcentaje'].between(0, 100).all()
(riesgo['porcentaje'] < 75).all()
set(riesgo['legajo']) <= set(resumen['legajo'])

Así tiene que quedar