final delivery, flake OK

Liste+dactions+-+P7+Python+-+Feuille+1.csv

@@ -0,0 +1,21 @@
+Actions #,Coût par action (en euros),Bénéfice (après 2 ans)
+Action-1,20,5%
+Action-2,30,10%
+Action-3,50,15%
+Action-4,70,20%
+Action-5,60,17%
+Action-6,80,25%
+Action-7,22,7%
+Action-8,26,11%
+Action-9,48,13%
+Action-10,34,27%
+Action-11,42,17%
+Action-12,110,9%
+Action-13,38,23%
+Action-14,14,1%
+Action-15,18,3%
+Action-16,8,8%
+Action-17,4,12%
+Action-18,10,14%
+Action-19,24,21%
+Action-20,114,18%

README.md

@@ -1,6 +1,6 @@
 # AlgoInvest&Trade
 
-Choix optimal parmi une liste d'actions
+Déterminer un choix optimal d'actions caractérisées par un coût et un rendement, en fonction d'un coût maximum pour un profit maximal 
 
 ## Introduction
 
@@ -15,66 +15,56 @@ Ces instructions vous permettent de :
 
 ```
 paquets : python 3.11, python3.11-venv, git 
-modules : python requests, BeautifulSoup, csv, os
+modules : csv
 ```
 
 ### Installation
 
-Voici les étapes à suivre pour avoir un environnement d'exécution opérationnel :
+1. créer l'environnement virtuel :
-
-créer l'environnement virtuel 
-
 ```
 python3.11 -m venv env
 source env/bin/activate
 ```
-cloner le dépôt, aller dans le bon dossier
+2. cloner le dépôt :
 ```
-git clone https://mcstn.fr/gitea/Yann/Projet2.git
+git clone https://mcstn.fr/gitea/Yann/Projet7.git
-cd Projet2/rendu
-```
-installer les modules
-```
-pip install -r requirements.txt
 ```
 
+
 ## Exécution
  
+Pour l'algorithme bruteforce sur le dataset0, 
 exécuter la commande :
 ```
-python3 main.py
+python3 bruteforce.py
 ```  
 
+Pour l'algorithme de DP, executer la commande : 
+```
+python3 optimized.py
+``` 
+
+
 ## Résultat
 
-Les fichiers sont placés dans un répertoire "resultat"
+Optimized traite par défaut les datasets 1 et 2;
-
+Décommenter la ligne du dataset0 dans le main() si besoin
-Le programme récupère les catégories sur la page d'accueil de l'URL, puis, pour chaque catégorie : 
-1. affiche la catégorie traitée, le nombre de catégories restantes, de livres présents, traités au total et restants
-2. crée un dossier du nom de la catégorie, y enregistre les images des livres nommées en fonction du titre
-3. crée un fichier csv au nom de la catégorie, avec :
-   - product_page_url
-   - universal_ product_code (upc)
-   - title
-   - price_including_tax
-   - price_excluding_tax
-   - number_available
-   - product_description
-   - category
-   - review_rating
-   - image_url
-
 ```
-$ time python3.11 main.py 
+$ time python optimized.py 
-1000  à traiter répartis en  50  catégories.
 
-[ ... ]
+DATASET 1
+Cost: 499.43 €
+Profit: 196.84 €
+Shares : ['Share-HITN', 'Share-GRUT']
 
- Traitement terminé.
+DATASET 2
+Cost: 497.67 €
+Profit: 194.90 €
+Shares : ['Share-GEBJ', 'Share-LFXB', 'Share-FWBE', 'Share-PLLK', 'Share-ZKSN', 'Share-ZOFA', 'Share-PATS', 'Share-DWSK', 'Share-ALIY', 'Share-ECAQ', 'Share-FAPS', 'Share-JGTW', 'Share-QLWT', 'Share-OPBR', 'Share-ANFX', 'Share-IJFT', 'Share-JWGF']
 
-real	20m17,783s
+real	0m0,852s
-user	4m30,695s
+user	0m0,832s
-sys	0m3,172s
+sys	0m0,018s
 ```
 ## Auteur
 

bruteforce.py

@@ -1,5 +1,8 @@
 import csv
 
+MAX_COST = 500
+FILE = "Liste+dactions+-+P7+Python+-+Feuille+1.csv"
+
 def listFromFile(csv_file):
     """
     get data from a csv file and :
@@ -17,6 +20,7 @@ def listFromFile(csv_file):
         item[2] = item[1] * float(item[2].strip("%")) / 100
     return liste
 
+
 def powerset(itemList):
     """
     Generate every subset (combination) for a given list
@@ -29,6 +33,7 @@ def powerset(itemList):
         result.extend(newsubsets)
     return result
 
+
 def transformData(dataset):
     """
     Transform in a list of dict with computed values as gain, ratio
@@ -37,19 +42,21 @@ def transformData(dataset):
     :return: a sorted list of dict
     """
     tmpset = [{'nom': x[0], 'cout': x[1],
-                   'rendement': x[2],
+               'rendement': x[2],
-                   'gain': x[1] * x[2] / 100,
+               'gain': x[1] * x[2] / 100,
-                   'ratio1': x[2] / x[1],
+               'ratio1': x[2] / x[1],
-                   'ratio2': (x[1] * x[2] / 100) / x[1]}
+               'ratio2': (x[1] * x[2] / 100) / x[1]}
-              for x in dataset if
+              for x in dataset if x[1] > 0.0 and x[2] > 0.0]
-                  x[1] > 0.0 and x[2] > 0.0]
 
     return sorted(tmpset, key=lambda x: x['gain'], reverse=True)
 
+
 def selectActions(actionList, maximal_cost):
     """
-    :param actionList: takes a list of combinations and a max
+    select combination corresponding to max cost
-    :return: a list of selected combinations where cost is under max
+    :param actionList: list of combinations
+    :param maximal_cost: maximal cost
+    :return: a list of selected items
     """
     best = []
     for i in actionList:
@@ -66,17 +73,15 @@ def selectActions(actionList, maximal_cost):
     return sortedBest.pop(0)
 
 
+def main():
+    actions = listFromFile(FILE)
+    power_actions = powerset(actions)
+    selected_actions = selectActions(power_actions, MAX_COST)
+    # tri des actions sur le rendement
+    print("Cost:", selected_actions[1], "€")
+    print("Profit: %.2f €" % selected_actions[0])
+    print(f"Shares: {[x[0] for x in selected_actions[2]]}")
 
-actions = listFromFile("/home/b/Documents/OCR/projet7/actions.csv")
-power_actions = powerset(actions)
-selected_actions = selectActions(power_actions, 500)
-
-print("Nombre d'actions:", len(actions))
-print("Nb de combinaisons:", len(power_actions))
-
-#tri des actions sur le rendement
-print("Gain: %.2f €" % selected_actions[0])
-print("Cout:", selected_actions[1], "€")
-
-print("Actions sélectionnées:", selected_actions[2:])
 
+if __name__ == '__main__':
+    main()

optimized.py

@@ -1,5 +1,10 @@
 import csv
 
+MAX_COST = 500
+DATASET1 = "dataset1_Python+P7.csv"
+DATASET2 = "dataset2_Python+P7.csv"
+DATASET0 = "Liste+dactions+-+P7+Python+-+Feuille+1.csv"
+
 
 def listFromFile(csv_file):
     """
@@ -15,9 +20,12 @@ def listFromFile(csv_file):
     liste.pop(0)
     for item in liste:
         item[1] = float(item[1])
+        if item[2][-1] == "%":
+            item[2] = item[2].strip("%")
         item[2] = float(item[2])
     return liste
 
+
 def transformData(dataset):
     """
     Transform in a list of dict with computed values as gain, ratio
@@ -26,14 +34,33 @@ def transformData(dataset):
     :return: a sorted list of dict
     """
     tmpset = [{'nom': x[0], 'cout': x[1],
-                   'rendement': x[2],
+               'rendement': x[2],
-                   'gain': x[1] * x[2] / 100,
+               'gain': x[1] * x[2] / 100,
-                   'ratio1': x[2] / x[1],
+               'ratio1': x[2] / x[1],
-                   'ratio2': (x[1] * x[2] / 100) / x[1]} for x in dataset if
+               'ratio2': (x[1] * x[2] / 100) / x[1]}
-                  x[1] > 0.0 and x[2] > 0.0]
+              for x in dataset if x[1] > 0.0 and x[2] > 0.0]
 
     return sorted(tmpset, key=lambda x: x['gain'], reverse=True)
 
+
+def get_results(filepath, maximum, nbr):
+    """
+    load, transform data then run the algorithm and print results
+    :param filepath: full path to csv
+    :param maximum: maximum cost
+    :param nbr: set number
+    :return: print results
+    """
+
+    action_list = transformData(listFromFile(filepath))
+    maximum_gain, selection = sacADosFloat(action_list, maximum)
+
+    print("\nDATASET", nbr)
+    print(f"Cost: {sum(x['cout'] for x in selection):.2f} €")
+    print("Profit: %.2f €" % maximum_gain)
+    print(f"Shares : {[x['nom'] for x in selection]}")
+
+
 def sacADosFloat(actions, maximum_cost):
     """
     Use dynamic approach
@@ -50,11 +77,18 @@ def sacADosFloat(actions, maximum_cost):
             if i == 0 or w == 0:
                 table[i][w] = 0.0
             elif actions[i-1]['cout'] <= w:
-                table[i][w] = max(actions[i-1]['gain'] + table[i-1][int(w-actions[i-1]['cout'])], table[i-1][w])
+                table[i][w] = (
+                    max(
+                        actions[i-1]['gain'] +
+                        table[i-1][int(w-actions[i-1]['cout'])],
+                        table[i-1][w]
+                    )
+                )
+
             else:
                 table[i][w] = table[i-1][w]
 
-    # Select
+    # Selection
     w = maximum_cost
     selected_actions = []
     for i in range(n, 0, -1):
@@ -65,25 +99,11 @@ def sacADosFloat(actions, maximum_cost):
     return table[n][int(maximum_cost)], selected_actions
 
 
-
+def main():
-actions = transformData(listFromFile("/home/b/Documents/OCR/projet7/ph3/dataset1_Python+P7.csv"))
+    # get_results(DATASET0, MAX_COST, 0)
-actions2 = transformData(listFromFile("/home/b/Documents/OCR/projet7/ph3/dataset2_Python+P7.csv"))
+    get_results(DATASET1, MAX_COST, 1)
+    get_results(DATASET2, MAX_COST, 2)
 
 
-
+if __name__ == '__main__':
-maximum_cost = 500
+    main()
-
-maximum_gain1, selection1 = sacADosFloat(actions, maximum_cost)
-maximum_gain2, selection2 = sacADosFloat(actions2, maximum_cost)
-
-print("\nDATASET 1")
-print(f"Cout: {sum(x['cout'] for x in selection1):.2f}")
-#print(f"Rendement: {sum((x['cout']*x['rendement']/100)for x in actions_selectionnees):.2f}")
-print("Gain: %.2f" % maximum_gain1)
-print(f"Actions sélectionnées: {[x['nom'] for x in selection1]}")
-
-print("\nDATASET 2")
-print(f"Cout: {sum(x['cout'] for x in selection2):.2f}")
-#print(f"Rendement: {sum((x['cout']*x['rendement']/100)for x in actions_selectionnees2):.2f}")
-print("Gain: %.2f" % maximum_gain2)
-print(f"Actions sélectionnées: {[x['nom'] for x in selection2]}")