Update app.py

app.py

@@ -267,187 +267,301 @@ class ReportGenerator:
         return plt.gcf()
 
     def create_time_performance_plot(self) -> plt.Figure:
-        """Cria o gráfico de relação entre tempo e acertos com agrupamento melhorado."""
+        """Cria o gráfico de relação entre tempo e acertos com visualização otimizada."""
         plt.figure(figsize=(15, 10))
+        ax = plt.gca()
     
-        # Configuração inicial
+        # Configuração inicial com estilo limpo
         plt.grid(True, alpha=0.2, linestyle='--')
-        plt.gca().set_facecolor('#f8f9fa')
-    
-        # Função para calcular distância entre pontos
-        def calculate_distance(p1, p2):
-            return np.sqrt((p1[0] - p2[0])**2 + (p1[1] - p2[1])**2)
+        ax.set_facecolor('#f8f9fa')
     
-        # Lista para armazenar todos os pontos
+        # Linha de média
+        media_acertos = self.data['Acertos Absolutos'].mean()
+        plt.axhline(y=media_acertos, color='gray', linestyle=':', alpha=0.5, 
+                    label='Média de Acertos')
+
+        # Estruturas para armazenamento
         all_points = []
+        point_groups = {}
     
-        # Primeiro passar, plotar pontos e coletar coordenadas
+        # Plotar pontos e coletar dados
         for nivel, color in self.colors.items():
             mask = self.data['Nível'] == nivel
             tempo = pd.to_timedelta(self.data[mask]['Total Tempo']).dt.total_seconds() / 60
             acertos = self.data[mask]['Acertos Absolutos']
         
-            plt.scatter(tempo, acertos, c=color, label=nivel, alpha=0.7, s=100)
+            scatter = plt.scatter(tempo, acertos, c=color, label=nivel, alpha=0.7, s=100)
         
             for t, a, nome in zip(tempo, acertos, self.data[mask]['Nome do Aluno']):
-                all_points.append((t, a, nome, color))
-    
-        # Agrupar pontos próximos
-        distance_threshold = 1.5  # Ajuste este valor conforme necessário
-        grouped_points = []
-        processed = set()
+                point_key = (round(t, 1), a)
+                if point_key not in point_groups:
+                    point_groups[point_key] = []
+                point_groups[point_key].append((t, a, nome, color))
+                all_points.append((t, a))
+
+        # Lista para controle de sobreposições
+        annotations = []
     
-        for i, (x1, y1, name1, color1) in enumerate(all_points):
-            if i in processed:
-                continue
-            
-            current_group = [(x1, y1, name1, color1)]
-            processed.add(i)
+        # Função para calcular melhor posição
+        def get_best_position(x, y, existing_annotations):
+            angles = np.linspace(0, 2*np.pi, 16)  # 16 direções possíveis
+            base_radius = 3.0
+            max_radius = 6.0
+            best_pos = None
+            min_overlap = float('inf')
         
-            for j, (x2, y2, name2, color2) in enumerate(all_points[i+1:], i+1):
-                if j not in processed and calculate_distance((x1, y1), (x2, y2)) < distance_threshold:
-                    current_group.append((x2, y2, name2, color2))
-                    processed.add(j)
+            for radius in np.linspace(base_radius, max_radius, 4):
+                for angle in angles:
+                    new_x = x + radius * np.cos(angle)
+                    new_y = y + radius * np.sin(angle)
+                
+                    # Verificar limites do gráfico
+                    if not (ax.get_xlim()[0] <= new_x <= ax.get_xlim()[1] and
+                           ax.get_ylim()[0] <= new_y <= ax.get_ylim()[1]):
+                        continue
+                
+                    overlaps = sum(1 for ann in existing_annotations if
+                                 abs(ann[0] - new_x) < 2 and abs(ann[1] - new_y) < 2)
+                
+                    if overlaps < min_overlap:
+                        min_overlap = overlaps
+                        best_pos = (new_x, new_y)
         
-            grouped_points.append(current_group)
-    
+            return best_pos or (x + base_radius, y + base_radius)
+
         # Adicionar anotações
-        for group in grouped_points:
+        for key, group in point_groups.items():
             if len(group) == 1:
                 x, y, nome, _ = group[0]
+                new_pos = get_best_position(x, y, annotations)
+            
                 plt.annotate(
                     nome.split()[0],
                     (x, y),
-                    xytext=(5, 5),
-                    textcoords='offset points',
+                    xytext=new_pos,
+                    textcoords='data',
                     bbox=dict(
                         facecolor='white',
-                        edgecolor='none',
-                        alpha=0.8,
-                        pad=0.5
+                        edgecolor='lightgray',
+                        alpha=0.95,
+                        pad=1.0,
+                        boxstyle='round,pad=0.8'
                     ),
-                    fontsize=8
+                    fontsize=9,
+                    arrowprops=dict(
+                        arrowstyle='-|>',
+                        connectionstyle='arc3,rad=0.2',
+                        color='gray',
+                        alpha=0.6
+                    )
                 )
+                annotations.append(new_pos)
             else:
-                # Calcular centro do grupo
+                # Calcular centroide do grupo
                 x_center = sum(p[0] for p in group) / len(group)
                 y_center = sum(p[1] for p in group) / len(group)
+                nomes = sorted(set([p[2].split()[0] for p in group]))
             
-                # Ordenar nomes alfabeticamente
-                nomes = sorted([p[2].split()[0] for p in group])
-            
-                # Determinar direção do deslocamento baseado no quadrante
-                x_direction = 30 if x_center < np.mean([p[0] for p in all_points]) else -30
-                y_direction = 20 if y_center < np.mean([p[1] for p in all_points]) else -20
+                new_pos = get_best_position(x_center, y_center, annotations)
             
                 plt.annotate(
-                    '\n'.join(nomes),
+                    f"{len(group)} alunos:\n" + "\n".join(nomes),
                     (x_center, y_center),
-                    xytext=(x_direction, y_direction),
-                    textcoords='offset points',
+                    xytext=new_pos,
+                    textcoords='data',
                     bbox=dict(
                         facecolor='white',
                         edgecolor='lightgray',
-                        alpha=0.9,
-                        pad=0.5,
-                        boxstyle='round,pad=0.5'
+                        alpha=0.95,
+                        pad=1.0,
+                        boxstyle='round,pad=0.8'
                     ),
-                    fontsize=8,
+                    fontsize=9,
                     arrowprops=dict(
                         arrowstyle='-|>',
-                        connectionstyle=f'arc3,rad={0.2 if x_direction > 0 else -0.2}',
+                        connectionstyle='arc3,rad=0.2',
                         color='gray',
                         alpha=0.6
                     )
                 )
+                annotations.append(new_pos)
+
+        # Configurações finais
+        plt.title('Relação entre Tempo e Acertos por Nível', pad=20, fontsize=14)
+        plt.xlabel('Tempo Total (minutos)', fontsize=12)
+        plt.ylabel('Número de Acertos', fontsize=12)
     
-        plt.title('Relação entre Tempo e Acertos por Nível', pad=20)
-        plt.xlabel('Tempo Total (minutos)')
-        plt.ylabel('Número de Acertos')
-        plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
-        plt.tight_layout()
+        # Legenda com todos os elementos
+        handles, labels = plt.gca().get_legend_handles_labels()
+        by_label = dict(zip(labels, handles))
+        plt.legend(by_label.values(), by_label.keys(),
+                  bbox_to_anchor=(1.05, 1),
+                  loc='upper left',
+                  borderaxespad=0,
+                  frameon=True,
+                  fancybox=True)
     
+        plt.tight_layout()
         return plt.gcf()
 
     def create_tasks_performance_plot(self) -> plt.Figure:
-        """Cria o gráfico de relação entre tarefas e acertos com agrupamento melhorado."""
+        """Cria o gráfico de relação entre tarefas e acertos com visualização otimizada."""
         plt.figure(figsize=(15, 10))
+        ax = plt.gca()
     
         # Configuração inicial
         plt.grid(True, alpha=0.2, linestyle='--')
-        plt.gca().set_facecolor('#f8f9fa')
+        ax.set_facecolor('#f8f9fa')
+    
+        # Forçar ticks inteiros no eixo x
+        ax.xaxis.set_major_locator(MaxNLocator(integer=True))
     
-        # Dicionário para agrupar pontos com mesmas coordenadas
         point_groups = {}
+        all_points = []
     
-        # Primeiro passar, plotar pontos
+        # Plotar pontos e coletar dados
         for nivel, color in self.colors.items():
             mask = self.data['Nível'] == nivel
             tarefas = self.data[mask]['Tarefas Completadas']
             acertos = self.data[mask]['Acertos Absolutos']
         
-            plt.scatter(tarefas, acertos, c=color, label=nivel, alpha=0.7, s=100)
+            scatter = plt.scatter(tarefas, acertos, c=color, label=nivel, alpha=0.7, s=100)
         
-            # Agrupar pontos com coordenadas idênticas
             for t, a, nome in zip(tarefas, acertos, self.data[mask]['Nome do Aluno']):
-                key = (t, a)
-                if key not in point_groups:
-                    point_groups[key] = []
-                point_groups[key].append((nome, color))
-    
+                point_key = (t, a)
+                if point_key not in point_groups:
+                    point_groups[point_key] = []
+                point_groups[point_key].append((t, a, nome, color))
+                all_points.append((t, a))
+
         # Linha de tendência
         z = np.polyfit(self.data['Tarefas Completadas'], 
-                  self.data['Acertos Absolutos'], 1)
+                      self.data['Acertos Absolutos'], 1)
         p = np.poly1d(z)
         x_range = np.linspace(
-            self.data['Tarefas Completadas'].min(),
-            self.data['Tarefas Completadas'].max(),
+            self.data['Tarefas Completadas'].min() - 0.5,
+            self.data['Tarefas Completadas'].max() + 0.5,
             100
         )
-        plt.plot(x_range, p(x_range), "--", color='#e74c3c', alpha=0.8,
-                 label='Tendência', linewidth=2)
+        plt.plot(x_range, p(x_range), "--", color='#d63031', alpha=0.9,
+                 label='Tendência', linewidth=2.5)
+
+        # Linha de média
+        media_acertos = self.data['Acertos Absolutos'].mean()
+        plt.axhline(y=media_acertos, color='gray', linestyle=':', alpha=0.5,
+                    label='Média de Acertos')
+
+        # Lista para controle de sobreposições
+        annotations = []
     
-        # Adicionar anotações
-        for (x, y), group in point_groups.items():
-            nomes = sorted([nome.split()[0] for nome, _ in group])
+        # Função para calcular melhor posição
+        def get_best_position(x, y, existing_annotations):
+            angles = np.linspace(0, 2*np.pi, 16)
+            base_radius = 2.0  # Menor para tarefas discretas
+            max_radius = 4.0
+            best_pos = None
+            min_overlap = float('inf')
         
-            # Ajustar posição baseado na densidade de pontos na região
-            nearby_points = sum(1 for (px, py) in point_groups.keys() 
-                              if abs(px - x) <= 1 and abs(py - y) <= 1)
+            for radius in np.linspace(base_radius, max_radius, 4):
+                for angle in angles:
+                    new_x = x + radius * np.cos(angle)
+                    new_y = y + radius * np.sin(angle)
+                
+                    if not (ax.get_xlim()[0] <= new_x <= ax.get_xlim()[1] and
+                           ax.get_ylim()[0] <= new_y <= ax.get_ylim()[1]):
+                        continue
+                
+                    overlaps = sum(1 for ann in existing_annotations if
+                                 abs(ann[0] - new_x) < 1.5 and abs(ann[1] - new_y) < 1.5)
+                
+                    if overlaps < min_overlap:
+                        min_overlap = overlaps
+                        best_pos = (new_x, new_y)
         
-            angle = (hash(str(nomes)) % 8) * 45  # Ângulo baseado nos nomes
-            radius = 20 + (nearby_points * 5)  # Raio aumenta com pontos próximos
+            return best_pos or (x + base_radius, y + base_radius)
+
+        # Adicionar anotações
+        for key, group in point_groups.items():
+            if len(group) == 1:
+                x, y, nome, _ = group[0]
+                new_pos = get_best_position(x, y, annotations)
             
-            dx = radius * np.cos(np.radians(angle))
-            dy = radius * np.sin(np.radians(angle))
-        
-            plt.annotate(
-                '\n'.join(nomes),
-                (x, y),
-                xytext=(dx, dy),
-                textcoords='offset points',
-                bbox=dict(
-                    facecolor='white',
-                    edgecolor='lightgray',
-                    alpha=0.9,
-                    pad=0.5,
-                    boxstyle='round,pad=0.5'
-                ),
-                fontsize=8,
-                arrowprops=dict(
-                    arrowstyle='-|>',
-                    connectionstyle=f'arc3,rad={0.2 if dx > 0 else -0.2}',
-                    color='gray',
-                    alpha=0.6
+                plt.annotate(
+                    nome.split()[0],
+                    (x, y),
+                    xytext=new_pos,
+                    textcoords='data',
+                    bbox=dict(
+                        facecolor='white',
+                        edgecolor='lightgray',
+                        alpha=0.95,
+                        pad=1.0,
+                        boxstyle='round,pad=0.8'
+                    ),
+                    fontsize=9,
+                    arrowprops=dict(
+                        arrowstyle='-|>',
+                        connectionstyle='arc3,rad=0.2',
+                        color='gray',
+                        alpha=0.6
+                    )
                 )
-            )
+                annotations.append(new_pos)
+            else:
+                x_center = sum(p[0] for p in group) / len(group)
+                y_center = sum(p[1] for p in group) / len(group)
+                nomes = sorted(set([p[2].split()[0] for p in group]))
+            
+                new_pos = get_best_position(x_center, y_center, annotations)
+            
+                plt.annotate(
+                    f"{len(group)} alunos com\n{group[0][0]:.0f} tarefas:\n" + "\n".join(nomes),
+                    (x_center, y_center),
+                    xytext=new_pos,
+                    textcoords='data',
+                    bbox=dict(
+                        facecolor='white',
+                        edgecolor='lightgray',
+                        alpha=0.95,
+                        pad=1.0,
+                        boxstyle='round,pad=0.8'
+                    ),
+                    fontsize=9,
+                    arrowprops=dict(
+                        arrowstyle='-|>',
+                        connectionstyle='arc3,rad=0.2',
+                        color='gray',
+                        alpha=0.6
+                    )
+                )
+                annotations.append(new_pos)
+
+        # Configurações finais
+        plt.title('Relação entre Tarefas Completadas e Acertos', pad=20, fontsize=14)
+        plt.xlabel('Número de Tarefas Completadas', fontsize=12)
+        plt.ylabel('Número de Acertos', fontsize=12)
     
-        plt.title('Relação entre Tarefas Completadas e Acertos', pad=20)
-        plt.xlabel('Número de Tarefas Completadas')
-        plt.ylabel('Número de Acertos')
-        plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
-        plt.tight_layout()
+        # Ajustar limites
+        plt.xlim(
+            self.data['Tarefas Completadas'].min() - 1,
+            self.data['Tarefas Completadas'].max() + 1
+        )
+        plt.ylim(
+            max(0, self.data['Acertos Absolutos'].min() - 1),
+            self.data['Acertos Absolutos'].max() + 2
+        )
     
+        # Legenda com todos os elementos
+        handles, labels = plt.gca().get_legend_handles_labels()
+        by_label = dict(zip(labels, handles))
+        plt.legend(by_label.values(), by_label.keys(),
+                  bbox_to_anchor=(1.05, 1),
+                  loc='upper left',
+                  borderaxespad=0,
+                  frameon=True,
+                  fancybox=True)
+    
+        plt.tight_layout()
         return plt.gcf()
 
     def generate_graphs(self) -> List[plt.Figure]: