-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathreporting.py
More file actions
300 lines (270 loc) · 12.1 KB
/
reporting.py
File metadata and controls
300 lines (270 loc) · 12.1 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
# -*- coding: utf-8 -*-
"""
Module regroupant les différentes classes pour la création de reporting
automatique, en format HTML ou PDF, dont les sorties ressemblent à celles
des PROC DISCRIM et STEPDISC de SAS.
"""
# ---- data restitution librairies
from fpdf import FPDF
import datapane as dp
class HTML:
"""Pour reporting automatique en format HTML.
"""
def create_html_head(self, proc):
"""Création automatisée du début du fichier html. Incorpore une feuille
de style CSS populaire (Bootstrap) pour améliorer l'esthétique des
résultats.
"""
self._head = ("""<!DOCTYPE html>
<html lang="fr" dir="ltr">
<head>
<title>Résultats : %s</title>
<meta charset="utf-8" />
<style></style>
<link
rel="stylesheet"
href="https://stackpath.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css"
integrity="sha384-JcKb8q3iqJ61gNV9KGb8thSsNjpSL0n8PARn9HuZOnIxN0hoP+VmmDGMN5t9UJ0Z"
crossorigin="anonymous"
/>
</head>
<body>
<div class="container text-center">
<h2>Procédure %s</h2>""") % (proc, proc)
def stepdisc_html_output(self, ProcStepdisc, fileName):
"""Création d'un reporting en format HTML pour la méthode stepdisc
de la classe LinearDiscriminantAnalysis
(qui ressemble à PROC STEPDISC de SAS).
Paramètres
----------
ProcStepdisc : objet LinearDiscriminantAnalysis
objet suite à appel de la méthode stepdisc() de la classe
LinearDiscriminantAnalysis
fileName : string
nom du fichier de sortie (avec ou sans .html)
"""
if fileName[-5:] != ".html":
fileName += ".html"
self.create_html_head("STEPDISC")
ProcStepdisc._stats_dataset()
ProcStepdisc._stats_classes()
with open(fileName, "w") as f:
f.write(("""%s
<h3>Informations sur le jeu de données</h3>
<div class='row justify-content-md-center'>%s</div>
<div class='row justify-content-md-center'>%s</div>
%s""") % (
self._head,
str(ProcStepdisc.infoDataset.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcStepdisc.infoClasses.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
ProcStepdisc._htmlStringOutput))
f.close()
def discrim_html_output(self, ProcDiscrim, fileName):
"""Création d'un reporting en format HTML grâce à la librairie datapane.
Paramètres
----------
ProcDiscrim : objet LinearDiscriminantAnalysis
objet suite à appel de la méthode fit() et d'autres attributs
de la classe LinearDiscriminantAnalysis
fileName : string
nom du fichier de sortie (avec ou sans .html)
"""
if fileName[-5:] != ".html":
fileName += ".html"
self.create_html_head("DISCRIM")
ProcDiscrim._stats_dataset()
ProcDiscrim._stats_classes()
ProcDiscrim._stats_pooled_cov_matrix()
ProcDiscrim._stats_wilks()
with open(fileName, "w") as f:
f.write(("""%s
<h3>General information about the data</h3>
<div class='row justify-content-md-center'>%s</div>
<div class='row justify-content-md-center'>%s</div>
<h3>Informations on the covariance matrix</h3>
<div class='row justify-content-md-center'>%s</div>
<div class='row justify-content-md-center'>%s</div>
<h3>Function of lda and its' intercept and coefficients</h3>
<div class='row justify-content-md-center'>%s</div>
<h3>Statistics. Wilks' Lambda</h3>
<div class='row justify-content-md-center'>%s</div>
""") % (
self._head,
str(ProcDiscrim.infoDataset.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcDiscrim.infoClasses.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcDiscrim.W.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcDiscrim.infoCovMatrix.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcDiscrim.infoFuncClassement.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0)),
str(ProcDiscrim.infoWilksStats.to_html(
classes="table table-striped",float_format="%.6f",
justify="center",border=0))))
f.close()
def discrim_html_output_datapane(self, ProcDiscrim, fileName):
"""Création d'un reporting en format HTML pour la méthode PROC DISCRIM
grâce à la librairie datapane.
Paramètres
----------
ProcDiscrim : objet LinearDiscriminantAnalysis
objet suite à appel de la fonction fit() de la classe
LinearDiscriminantAnalysis
fileName : string
nom du fichier de sortie (avec ou sans .html)
"""
if fileName[-5:] != ".html":
fileName += ".html"
ProcDiscrim._stats_dataset()
ProcDiscrim._stats_classes()
ProcDiscrim._stats_pooled_cov_matrix()
ProcDiscrim._stats_wilks()
report = dp.Report(
dp.Text("# Linear Discriminant Analysis"),
dp.Text("## General information about the data"),
dp.Table(ProcDiscrim.infoDataset),
dp.Table(ProcDiscrim.infoClasses),
dp.Text("## Informations on the covariance matrix"),
dp.Table(ProcDiscrim.W),
dp.Table(ProcDiscrim.infoCovMatrix),
dp.Text("## Function of lda and its' intercept "
"and coefficients"),
dp.Table(ProcDiscrim.infoFuncClassement),
dp.Text("## Statistics. Wilks' Lambda"),
dp.Table(ProcDiscrim.infoWilksStats))
report.save(path=fileName)
class PDF(FPDF):
"""Reporting automatique en format PDF pour la méthode fit()
et d'autres attributs de la classe LinearDiscriminantAnalysis
ressemblant aux sorties de la PROC DISCRIM de SAS.
"""
# Page footer
def footer(self):
"""Facilite l'affichage du bas de page automatique dès la création d'une
instance PDF.
Ref. : https://pyfpdf.readthedocs.io/en/latest/Tutorial/index.html
"""
# Position at 1.5 cm from bottom
self.set_y(-15)
# Arial italic 8
self.set_font('Arial', 'I', 8)
# Text color in gray
self.set_text_color(128)
# Page number
self.cell(0, 10, 'Page ' + str(self.page_no()) + '/{nb}', 0, 0, 'C')
def discrim_pdf_output(self, ProcDiscrim, fileName):
"""Création d'un reporting en format PDF grâce à la librairie FPDF.
Les sorites ressemblent à celles de la procédure DISCRIM de SAS.
Paramètres
----------
ProcDiscrim : objet
objet suite à appel de la fonction fit() de la classe du même nom
fileName : string
nom du fichier de sortie(avec ou sans .pdf)
"""
if fileName[-4:] != ".pdf":
fileName += ".pdf"
ProcDiscrim._stats_dataset()
ProcDiscrim._stats_classes()
ProcDiscrim._stats_pooled_cov_matrix()
ProcDiscrim._stats_wilks()
# ---- Création du PDF
pdf = PDF()
pdf.alias_nb_pages()
pdf.add_page()
# ---- Information du jeu de données
pdf.set_font('Arial', 'B', 14)
pdf.cell(180, 10, 'General information about the data',
border=0, align='C')
pdf.ln()
pdf.set_font('Arial', '', 12)
#parcours de l'attribut de la classe LDA pour convertir
#les données en string et les ajouter dans les cellules de pdf.
for indx, elem in enumerate(ProcDiscrim.infoDataset.index):
pdf.cell(180, 10, str(ProcDiscrim.infoDataset.index[indx]) + ': ' +
str(ProcDiscrim.infoDataset.iloc[indx, 0]), border=0, align='L')
pdf.ln()
pdf.ln()
# ---- Statistiques des classes
pdf.set_font('Arial', 'B', 14)
pdf.cell(180, 10, ' '*(len(max(ProcDiscrim.infoClasses.index, key=len))*2) +
'Frequences ' + 'Proportions', border=0, align='C')
pdf.ln()
pdf.set_font('Arial', '', 12)
j = 0
for indx, elem in enumerate(ProcDiscrim.infoClasses.index):
pdf.cell(80, 10, str(ProcDiscrim.infoClasses.index[indx]) + ': ' +
str(ProcDiscrim.infoClasses.iloc[indx, j]) + ' ' +
str(round(ProcDiscrim.infoClasses.iloc[indx, j+1], 4)),
border=0, align='L')
pdf.ln()
pdf.ln()
# ----
# ---- Matrice de covariance
pdf.set_font('Arial', 'B', 14)
pdf.cell(180, 10, 'Informations on the covariance matrix',
border=0, align='C')
pdf.ln()
pdf.set_font('Arial', '', 12)
pdf.cell(180, 10, ' '*(len(max(ProcDiscrim.infoCovMatrix.index, key=len))*2) +
'Values ', border=0, align='L')
pdf.ln()
for indx, elem in enumerate(ProcDiscrim.infoCovMatrix.index):
pdf.cell(180, 10, str(ProcDiscrim.infoCovMatrix.index[indx]) + ': ' +
str(ProcDiscrim.infoCovMatrix.iloc[indx, 0]), border=0, align='L')
pdf.ln()
pdf.ln()
# ----
# ---- Fonction de classement
pdf.set_font('Arial', 'B', 14)
pdf.cell(
180, 10, "Function of lda and its' intercept and coefficients",
border=0, align='C')
pdf.ln()
pdf.set_font('Arial', '', 12)
# lign with column names
my_str = ' '*(len(max(ProcDiscrim.infoFuncClassement.index, key=len))*2)
for indx, elem in enumerate(ProcDiscrim.infoFuncClassement.columns):
sub_str = str(ProcDiscrim.infoFuncClassement.columns[indx]) + ' '
my_str += sub_str
pdf.cell(180, 10, my_str, border=0, align='L')
pdf.ln()
my_str = ''
for indx, elem in enumerate(ProcDiscrim.infoFuncClassement.index):
#print(indx, elem)
my_str = str(ProcDiscrim.infoFuncClassement.index[indx])
# print(my_str)
for j in range(len(ProcDiscrim.infoFuncClassement.columns)):
# print(j)
my_str += ' ' + str(round(
ProcDiscrim.infoFuncClassement.iloc[indx, j], 6))
# print(my_str)
if j == (len(ProcDiscrim.infoFuncClassement.columns)-1):
pdf.cell(150, 10, my_str, border=0, align='L')
pdf.ln()
# ---- Lambda de Wilks
pdf.set_font('Arial', 'B', 14)
pdf.cell(180, 10, "Statistics. Wilks' Lambda", border=0, align='C')
pdf.ln()
pdf.set_font('Arial', '', 12)
for indx, elem in enumerate(ProcDiscrim.infoWilksStats.T.index):
pdf.cell(180, 10, str(ProcDiscrim.infoWilksStats.T.index[indx]) + ': ' +
str(ProcDiscrim.infoWilksStats.T.iloc[indx, 0]), border=0,
align='L')
pdf.ln()
pdf.ln()
# ---- Rendu du PDF
pdf.set_compression(True)
pdf.set_display_mode('fullpage')
pdf.output(fileName, 'F')