Update app.py

app.py

@@ -122,33 +122,41 @@ class StudentAnalyzer:
         try:
             metrics_df = pd.DataFrame()
         
-            # Agrupar por Aluno_Pattern e Nome do Aluno para eliminar duplicatas completamente
-            grouped_tasks = self.tarefas_df.groupby(['Aluno_Pattern', 'Nome do Aluno']).agg({
-                'Duração': 'sum',
-                'Nota': 'sum'
+            # Agrupar por Aluno_Pattern para eliminar duplicatas
+            grouped_tasks = self.tarefas_df.groupby('Aluno_Pattern').agg({
+                'Aluno': 'first',     # Nome original do aluno na tarefa
+                'Duração': 'sum',     # Soma total do tempo
+                'Nota': 'sum',        # Soma total dos acertos
             }).reset_index()
         
             # Contar número de tarefas únicas por aluno
-            task_counts = self.tarefas_df.groupby(['Aluno_Pattern', 'Nome do Aluno']).size().reset_index(name='total_tarefas')
-            grouped_tasks = grouped_tasks.merge(task_counts, on=['Aluno_Pattern', 'Nome do Aluno'], how='left')
+            task_counts = self.tarefas_df.groupby('Aluno_Pattern').size().reset_index(name='total_tarefas')
+            grouped_tasks = grouped_tasks.merge(task_counts, on='Aluno_Pattern', how='left')
         
-            # Processar cada aluno uma única vez
-            for _, aluno in self.alunos_df.drop_duplicates(subset=['Aluno_Pattern', 'Nome do Aluno']).iterrows():
+            # Processar cada aluno uma única vez usando o DataFrame de alunos para informações corretas
+            processed_patterns = set()  # Conjunto para controlar padrões já processados
+        
+            for _, aluno in self.alunos_df.iterrows():
                 aluno_pattern = aluno['Aluno_Pattern']
-                aluno_data = grouped_tasks[grouped_tasks['Aluno_Pattern'] == aluno_pattern]
             
-                if not aluno_data.empty:
-                    metrics = {
-                        'Nome do Aluno': aluno['Nome do Aluno'],
-                        'Tarefas Completadas': aluno_data['total_tarefas'].iloc[0],
-                        'Acertos Absolutos': aluno_data['Nota'].iloc[0],
-                        'Total Tempo': str(aluno_data['Duração'].iloc[0]),
-                        'Tempo Médio por Tarefa': str(aluno_data['Duração'].iloc[0] / aluno_data['total_tarefas'].iloc[0] 
+                # Evitar duplicatas do mesmo padrão
+                if aluno_pattern not in processed_patterns:
+                    aluno_data = grouped_tasks[grouped_tasks['Aluno_Pattern'] == aluno_pattern]
+                
+                    if not aluno_data.empty:
+                        metrics = {
+                            'Nome do Aluno': aluno['Nome do Aluno'],
+                            'Tarefas Completadas': aluno_data['total_tarefas'].iloc[0],
+                            'Acertos Absolutos': aluno_data['Nota'].iloc[0],
+                            'Total Tempo': str(aluno_data['Duração'].iloc[0]),
+                            'Tempo Médio por Tarefa': str(aluno_data['Duração'].iloc[0] / aluno_data['total_tarefas'].iloc[0] 
                                                     if aluno_data['total_tarefas'].iloc[0] > 0 else timedelta(0))
-                    }
-                    metrics_df = pd.concat([metrics_df, pd.DataFrame([metrics])], ignore_index=True)
+                        }
+                        metrics_df = pd.concat([metrics_df, pd.DataFrame([metrics])], ignore_index=True)
+                        processed_patterns.add(aluno_pattern)
         
-            return metrics_df.sort_values('Acertos Absolutos', ascending=False).drop_duplicates(subset=['Nome do Aluno']).reset_index(drop=True)
+            # Ordenar por acertos e resetar índice
+            return metrics_df.sort_values('Acertos Absolutos', ascending=False).reset_index(drop=True)
         
         except Exception as e:
             logging.error(f"Erro ao calcular métricas: {str(e)}")