src/visualizations.py - master - dems712/your-learning-dashboard

src/visualizations.py
137 строк4 KB
dems712
update src/visualizations.py
18 янв 2026, 12:47
18 янв 2026, 12:470a88055
"""
Модуль для создания визуализаций дашборда.
"""
import plotly.express as px
import plotly.graph_objects as go
import pandas as pd
from typing import Optional

def create_score_distribution(df: pd.DataFrame, course: Optional[str] = None) -> go.Figure:
    """
    Создает гистограмму распределения оценок.
    
    Args:
        df: DataFrame с данными
        course: Фильтр по курсу (опционально)
        
    Returns:
        Plotly Figure объект
    """
    if course:
        df = df[df['course'] == course]
    
    fig = px.histogram(
        df, 
        x='score',
        nbins=20,
        title=f'Распределение оценок по курсу: {course if course else "Все курсы"}',
        labels={'score': 'Оценка', 'count': 'Количество студентов'},
        color_discrete_sequence=['#1E88E5']
    )
    
    fig.update_layout(
        xaxis_title="Оценка",
        yaxis_title="Количество",
        bargap=0.1,
        showlegend=False
    )
    
    return fig

def create_engagement_heatmap(df: pd.DataFrame) -> go.Figure:
    """
    Создает тепловую карту активности студентов по дням недели и времени.
    
    Args:
        df: DataFrame с данными
        
    Returns:
        Plotly Figure объект с heatmap
    """
    # Добавляем день недели и час
    df_copy = df.copy()
    df_copy['day_of_week'] = df_copy['date'].dt.day_name()
    df_copy['hour'] = df_copy['date'].dt.hour
    
    # Агрегируем данные
    heatmap_data = df_copy.groupby(['day_of_week', 'hour']).size().reset_index(name='activity_count')
    
    # Сортируем дни недели
    days_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
    heatmap_data['day_of_week'] = pd.Categorical(
        heatmap_data['day_of_week'], 
        categories=days_order, 
        ordered=True
    )
    
    fig = px.density_heatmap(
        heatmap_data,
        x='hour',
        y='day_of_week',
        z='activity_count',
        title='Активность студентов по времени',
        labels={'hour': 'Час дня', 'day_of_week': 'День недели', 'activity_count': 'Активность'},
        color_continuous_scale='Viridis'
    )
    
    fig.update_layout(
        xaxis=dict(tickmode='linear', dtick=2),
        yaxis=dict(categoryorder='array', categoryarray=days_order)
    )
    
    return fig

def create_progress_timeline(df: pd.DataFrame, student_id: str) -> go.Figure:
    """
    Создает timeline прогресса конкретного студента.
    
    Args:
        df: DataFrame с данными
        student_id: ID студента
        
    Returns:
        Plotly Figure с прогрессом
    """
    student_data = df[df['student_id'] == student_id].sort_values('date')
    
    if student_data.empty:
        # Возвращаем пустой график с сообщением
        fig = go.Figure()
        fig.add_annotation(
            text=f"Нет данных для студента {student_id}",
            xref="paper", yref="paper",
            x=0.5, y=0.5, showarrow=False
        )
        return fig
    
    # Скользящее среднее для сглаживания
    student_data['score_ma'] = student_data['score'].rolling(window=3, min_periods=1).mean()
    
    fig = go.Figure()
    
    # Фактические оценки
    fig.add_trace(go.Scatter(
        x=student_data['date'],
        y=student_data['score'],
        mode='markers',
        name='Оценки',
        marker=dict(size=8, color='lightblue')
    ))
    
    # Скользящее среднее
    fig.add_trace(go.Scatter(
        x=student_data['date'],
        y=student_data['score_ma'],
        mode='lines',
        name='Тренд',
        line=dict(color='darkblue', width=2)
    ))
    
    fig.update_layout(
        title=f'Прогресс студента: {student_id}',
        xaxis_title='Дата',
        yaxis_title='Оценка',
        hovermode='x unified'
    )
    
    return fig