Einfügen Tabelle statistische Werte

lms_statistische-analyse.py

@@ -1,14 +1,13 @@
+import os, re, sys, unicodedata, subprocess
+from pathlib import Path
 import pandas as pd
 import plotly.graph_objs as go
-import os
+from collections import defaultdict
-import re
-import unicodedata
-import subprocess
 from config_lms import plotly_theme, export_fig_visual, export_fig_png
-import sys
+from ci_template.plotly_template import (
-sys.path.append("/Users/jochen_hanisch-johannsen/Documents/scripte/Jochen-Hanisch/CI/ci_template")
+    get_standard_layout, get_colors, set_theme,
-from plotly_template import get_standard_layout, get_colors, set_theme
+    plot_table_from_dict, plot_table_from_dataframe
-from pathlib import Path
+)
 set_theme(plotly_theme)
 
 # --- Hilfsfunktionen für Export und Slugify ---
@@ -44,8 +43,6 @@ def export_figure(fig, name, export_flag_html, export_flag_png):
         except Exception as e:
             print("❌ Fehler beim PNG-Export:", str(e))
 
-# PNG-Exportpfad definieren
-png_export_path = Path(__file__).parent.parent.parent / "Allgemein beruflich" / "Research" / "Charité - Universitätsmedizin Berlin" / "Dissertation" / "Abbildungen"
 
 # Ursprüngliche Datentabelle (bitte bei Bedarf anpassen)
 df = pd.DataFrame({
@@ -80,9 +77,11 @@ df = pd.DataFrame({
     ]
 })
 
+# Zentrale Definition der Themenbereiche
+THEMENBEREICHE = ["medizinisch", "rettungsdienstlich", "bezugswissenschaftlich", "Einführung/Prüfung"]
+
 # --- Automatische Berechnung Themenbereichsanteile pro Kurs ---
 # Ausschließlich systematische APrV-Zuordnung aus lms-verteilung.xlsx und zuordnung_praezise verwenden
-from collections import defaultdict
 
 zuordnung_praezise = {
     # Medizinisch
@@ -162,10 +161,6 @@ apr_kompetenz_df = pd.DataFrame({
     "Anteil (%)": [24, 15, 11, 50]
 })
 
-
-
-
-
 # Umbenennung "unbekannt" → "Einführung/Prüfung" für valide Kategorisierung
 df["Themenbereich"] = df["Themenbereich"].replace("unbekannt", "Einführung/Prüfung")
 
@@ -196,18 +191,13 @@ gruppe = df.groupby("Themenbereich").agg({
 gruppe.columns = ['Ø Aufgaben', 'SD Aufgaben', 'Anzahl Kurse', 'Ø Dauer', 'SD Dauer']
 print("\nStatistik nach Themenbereich:\n", gruppe)
 
-
 def plot_boxplots(df):
     colors = get_colors()
-    # Spezifische Reihenfolge: medizinisch, rettungsdienstlich, bezugswissenschaftlich, Einführung/Prüfung
+    # Spezifische und dokumentierte Reihenfolge der Boxplots
     kategorie_order = []
-    for k in ["medizinisch", "rettungsdienstlich", "bezugswissenschaftlich", "Einführung/Prüfung"]:
+    for kategorie in ["medizinisch", "rettungsdienstlich", "bezugswissenschaftlich", "Einführung/Prüfung"]:
-        if k in df["Themenbereich"].unique():
+        if kategorie in df["Themenbereich"].unique():
-            kategorie_order.append(k)
+            kategorie_order.append(kategorie)
-    # Ergänze ggf. andere Kategorien (falls weitere vorkommen)
-    for k in sorted(df["Themenbereich"].unique()):
-        if k not in kategorie_order:
-            kategorie_order.append(k)
 
     # Aufgaben-Boxplot
     fig1 = go.Figure()
@@ -247,7 +237,6 @@ def plot_boxplots(df):
     export_figure(fig2, fig2.layout.title.text, export_fig_visual, export_fig_png)
     fig2.show()
 
-
 def plot_aprv_pies():
     colors = get_colors()
 
@@ -286,7 +275,6 @@ def plot_aprv_pies():
     export_figure(fig2, fig2.layout.title.text, export_fig_visual, export_fig_png)
     fig2.show()
 
-
 def plot_vergleich_lehrplan_aprv():
     # Gruppierung der Kursdauer nach Themenbereich
     nfsh_theme = df.groupby("Themenbereich")["Dauer [d]"].sum().reset_index()
@@ -314,9 +302,6 @@ def plot_vergleich_lehrplan_aprv():
     export_figure(fig, fig.layout.title.text, export_fig_visual, export_fig_png)
     fig.show()
 
-
-
-
 def plot_vergleich_kompetenz_aprv():
     # Automatische Zuordnung der Kompetenzbereiche basierend auf CSV-Datei
     kuerzel_df = pd.read_csv(Path(__file__).parent / "APrV-Kuerzel_zu_Kompetenzbereichen.csv")
@@ -373,9 +358,14 @@ def plot_vergleich_kompetenz_aprv():
     fig.show()
 
 
+
 # --- Visualisierungen aufrufen ---
 # Alle Visualisierungen in sinnvoller Reihenfolge aufrufen
 plot_aprv_pies()
 plot_vergleich_lehrplan_aprv()
 plot_vergleich_kompetenz_aprv()
 plot_boxplots(df)
+
+# Tabellen-Visualisierungen nach bisherigen Plots aus ci_template aufrufen
+plot_table_from_dict(gesamt_stats, "Gesamtstatistik der curricularen Struktur", export_figure, export_fig_visual, export_fig_png)
+plot_table_from_dataframe(gruppe, "Themenbereich", "Gruppierte Statistik nach Themenbereichen", export_figure, export_fig_visual, export_fig_png)