Amélioration statistiques

src/agenda_culturel/models.py

@@ -42,6 +42,8 @@ from icalendar import Event as icalEvent
 from location_field.models.spatial import LocationField
 from django.dispatch import receiver
 from django.db.models.signals import post_save
+from django.db.models.aggregates import StdDev
+from django.db.models import Avg, Max, Min
 
 from .calendar import CalendarDay
 from .import_tasks.extractor import Extractor
@@ -49,9 +51,24 @@ from .import_tasks.generic_extractors.fbevent import (
     CExtractor as FacebookEventExtractor,
 )
 
+from django.db.models import Aggregate, FloatField
+
 logger = logging.getLogger(__name__)
 
 
+class Median(Aggregate):
+    function = "PERCENTILE_CONT"
+    name = "median"
+    output_field = FloatField()
+    template = "%(function)s(0.5) WITHIN GROUP (ORDER BY %(expressions)s)"
+
+
+#
+#
+# Useful for translation
+to_be_translated = [_("mean"), _("median"), _("maximum"), _("minimum"), _("stdev")]
+
+
 class UserProfile(models.Model):
     user = models.OneToOneField(
         User,
@@ -2728,26 +2745,38 @@ class RecurrentImport(models.Model):
         else:
             return None
 
-    def get_foresight_quality(self):
+    def _get_foresight_quality_internal(qs):
-        from statistics import median, mean, stdev
+        limit = datetime.now() + timedelta(days=-30)
 
-        values = [
+        qs = qs.filter(start_day__gte=F("created_date")).annotate(
-            x["foresight"]
+            foresight=ExtractDay(F("start_day") - F("created_date"))
-            for x in Event.objects.filter(import_sources__contains=[self.source])
+        )
-            .annotate(foresight=ExtractDay(F("start_day") - F("created_date")))
+
-            .values("foresight")
+        stats = qs.filter().aggregate(
-        ]
+            minimum=Min("foresight"),
-        if len(values) == 0:
+            maximum=Max("foresight"),
-            return []
+            mean=Avg("foresight"),
-        result = [
+            median=Median("foresight"),
-            [_("minimum"), min(values)],
+            stdev=StdDev("foresight"),
-            [_("maximum"), max(values)],
+        )
-            [_("mean"), round(mean(values), 2)],
+
-            [_("median"), median(values)],
+        statsm = qs.filter(created_date__gte=limit).aggregate(
-        ]
+            minimum=Min("foresight"),
-        if len(values) > 2:
+            maximum=Max("foresight"),
-            result.append([_("standard deviation"), round(stdev(values), 2)])
+            mean=Avg("foresight"),
-        return result
+            median=Median("foresight"),
+            stdev=StdDev("foresight"),
+        )
+
+        return [[_(x), round(stats[x], 2), round(statsm[x], 2)] for x in stats]
+
+    def get_global_foresight_quality():
+        return RecurrentImport._get_foresight_quality_internal(Event.objects)
+
+    def get_foresight_quality(self):
+        return RecurrentImport._get_foresight_quality_internal(
+            Event.objects.filter(import_sources__contains=[self.source])
+        )
 
 
 class BatchImportation(models.Model):

src/agenda_culturel/templates/agenda_culturel/page-rimport.html

@@ -90,7 +90,9 @@
             <h2>Qualité de l'anticipation</h2>
             <p>
               On s'intéresse à la différence entre la date de publication d'un événement et la date effective de l'événement. Plus le nombre de jours qui les sépare est élevé, plus
-              la source anticipe ses événements, et peut être considérée comme une source fiable.
+              la source anticipe ses événements, et peut être considérée comme une source fiable. On ignore les événements ajoutés à l'agenda alors que l'événement a déjà eu lieu.
+              On affiche cette information pour les imports depuis le début de son
+              intégration à l'agenda, mais aussi pour le dernier mois.
             </p>
             <table>
               <thead>
@@ -99,9 +101,13 @@
               </thead>
               <tbody>
                 <tr>
-                  <th class="label">Nb jours</th>
+                  <th class="label">écart (en jours)</th>
                   {% for v in stat %}<th>{{ v.1 }}</th>{% endfor %}
                 </tr>
+                <tr>
+                  <th class="label">écart du dernier mois (en jours)</th>
+                  {% for v in stat %}<th>{{ v.2 }}</th>{% endfor %}
+                </tr>
               </tbody>
             </table>
           {% endif %}

src/agenda_culturel/templates/agenda_culturel/statistics.html

@@ -42,6 +42,29 @@
       On retrouve une synthèse par mois du tableau précédent, sous forme d'une moyenne du nombre de création d'événements par jour pour chaque mois.
     </p>
     {% include "agenda_culturel/statistics_per_month.html" with data=stats_months_by_creation %}
+    <h2>Qualité de l'anticipation</h2>
+    <p>
+      On s'intéresse à la différence entre la date de publication d'un événement et la date effective de l'événement. Plus le nombre de jours qui les sépare est élevé, plus
+      les sources anticipent leurs événements. On ignore les événements ajoutés à l'agenda alors que l'événement a déjà eu lieu.
+      On affiche cette information pour les imports depuis le début de leur
+      intégration à l'agenda, mais aussi pour le dernier mois.
+    </p>
+    <table>
+      <thead>
+        <th class="label"></th>
+        {% for v in stats_foresight %}<th>{{ v.0 }}</th>{% endfor %}
+      </thead>
+      <tbody>
+        <tr>
+          <th class="label">écart (en jours)</th>
+          {% for v in stats_foresight %}<th>{{ v.1 }}</th>{% endfor %}
+        </tr>
+        <tr>
+          <th class="label">écart du dernier mois (en jours)</th>
+          {% for v in stats_foresight %}<th>{{ v.2 }}</th>{% endfor %}
+        </tr>
+      </tbody>
+    </table>
     <h2>Par ville</h2>
     <p>Nombre d'événements référencés par ville.</p>
     <ul>

src/agenda_culturel/views.py

@@ -2816,6 +2816,8 @@ def statistics(request):
         .order_by("-total")
     )
 
+    stats_foresight = RecurrentImport.get_global_foresight_quality()
+
     context = {
         "stats_by_startday": stats["start_day"],
         "stats_by_creation": stats["created_date__date"],
@@ -2826,6 +2828,7 @@ def statistics(request):
         "first_by_creation": first["created_date__date"],
         "last_by_creation": last["created_date__date"],
         "nb_by_city": nb_by_city,
+        "stats_foresight": stats_foresight,
     }
     return render(request, "agenda_culturel/statistics.html", context)