def test_identificacion_problema_create_view_post_no_ajax(
fiscal_client, mocker):
info = mocker.patch('adjuntos.views.messages.info')
a = AttachmentFactory()
data = {
'status': 'problema',
'tipo_de_problema': 'falta_lista',
'descripcion': 'Un problema'
}
# ajax post
url = reverse('asignar-problema', args=[a.id])
response = fiscal_client.post(url, data)
assert response.status_code == 302
assert info.call_args[0][
1] == 'Gracias por el reporte. Ahora pasamos a la siguiente acta.'
assert response.url == reverse('siguiente-accion')
# estrictamente, acá no se crea ningun problema
assert not a.problemas.exists()
def test_efecto_problema_descartado(db):
fiscal_1 = nuevo_fiscal()
a = AttachmentFactory()
m1 = MesaFactory()
i1 = IdentificacionFactory(attachment=a, status='problema', mesa=None)
f = FiscalFactory()
Problema.reportar_problema(fiscal_1,
'reporte 1',
ReporteDeProblema.TIPOS_DE_PROBLEMA.spam,
identificacion=i1)
assert i1.problemas.first().problema.estado == Problema.ESTADOS.potencial
problema = i1.problemas.first().problema
problema.descartar(nuevo_fiscal().user)
from constance import config
assert EventoScoringTroll.objects.filter(fiscal_afectado=fiscal_1).get(
).variacion == config.SCORING_TROLL_PROBLEMA_DESCARTADO
def test_troll_total_consolidada_dc_a_total_sin_consolidar(db, settings):
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
presi = CategoriaFactory()
mesa_1 = MesaFactory(categorias=[presi])
mesa_categoria_1 = MesaCategoria.objects.filter(mesa=mesa_1,
categoria=presi).first()
attach_1 = AttachmentFactory()
identificar(attach_1, mesa_1, fiscal_1)
identificar(attach_1, mesa_1, fiscal_2)
refrescar_data([
presi, fiscal_1, fiscal_2, fiscal_3, mesa_1, mesa_categoria_1, attach_1
])
assert not fiscal_1.troll
assert not fiscal_2.troll
nueva_carga(mesa_categoria_1, fiscal_1, [20, 35], Carga.TIPOS.parcial)
nueva_carga(mesa_categoria_1, fiscal_2, [20, 35], Carga.TIPOS.parcial)
consumir_novedades_carga()
refrescar_data([mesa_categoria_1])
assert mesa_categoria_1.status == MesaCategoria.STATUS.parcial_consolidada_dc
nueva_carga(mesa_categoria_1, fiscal_3, [20, 35], Carga.TIPOS.total)
nueva_carga(mesa_categoria_1, fiscal_1, [20, 35], Carga.TIPOS.total)
consumir_novedades_carga()
refrescar_data([mesa_categoria_1])
assert mesa_categoria_1.status == MesaCategoria.STATUS.total_consolidada_dc
assert Carga.objects.filter(invalidada=True).count() == 0
aplicar_marca_troll(fiscal_3)
consumir_novedades_identificacion()
consumir_novedades_carga()
refrescar_data([mesa_categoria_1, fiscal_3])
assert mesa_categoria_1.status == MesaCategoria.STATUS.total_sin_consolidar
assert Carga.objects.filter(invalidada=True).count() == 1
def test_scheduler_orden_estandar(db, settings):
# Creamos 5 attachments sin identificar
attachments = AttachmentFactory.create_batch(
5, status=Attachment.STATUS.sin_identificar)
c1 = CategoriaFactory(sensible=True)
c2 = CategoriaFactory(sensible=True)
m1 = MesaFactory(categorias=[c1])
IdentificacionFactory(
mesa=m1,
status='identificada',
source=Identificacion.SOURCES.csv,
)
m2 = MesaFactory(categorias=[c1, c2])
assert MesaCategoria.objects.count() == 3
IdentificacionFactory(
mesa=m2,
status='identificada',
source=Identificacion.SOURCES.csv,
)
# Ambas consolidadas vía csv.
consumir_novedades_identificacion()
with override_config(COEFICIENTE_IDENTIFICACION_VS_CARGA=10):
scheduler()
assert ColaCargasPendientes.largo_cola() == 16
# Las primeras seis tareas son de carga de votos.
for i in range(6):
consumir(False)
assert ColaCargasPendientes.largo_cola() == 10
# las siguientes diez son identificaciones.
for i in range(10):
consumir()
assert ColaCargasPendientes.largo_cola() == 0
# Ya no queda nada en la cola.
(mc, attachment) = ColaCargasPendientes.siguiente_tarea(fiscal=None)
assert mc is None and attachment is None
def test_asociacion_attachment_con_antitrolling(db, settings):
"""
Se simula que se asocia un Attachment a una mesa, usando la función de consolidación.
Se comprueba que el efecto sobre el scoring de troll de los fiscales que hicieron identificaciones es el correcto.
"""
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.MIN_COINCIDENCIAS_IDENTIFICACION_PROBLEMA = 2
with override_config(
SCORING_TROLL_IDENTIFICACION_DISTINTA_A_CONFIRMADA=180,
SCORING_TROLL_DESCUENTO_ACCION_CORRECTA=28):
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
fiscal_4 = nuevo_fiscal()
mesa_1 = MesaFactory()
mesa_2 = MesaFactory()
attach = AttachmentFactory()
# Empezamos con dos identificaciones a mesas distintas
identificar(attach, mesa_1, fiscal_1)
identificar(attach, mesa_2, fiscal_3)
# Hasta acá no debería asociarse la mesa, ergo no se afecta el scoring troll de ningun fiscal
consolidar_identificaciones(attach)
for fiscal in [fiscal_1, fiscal_2, fiscal_3, fiscal_4]:
fiscal.refresh_from_db()
for fiscal in [fiscal_1, fiscal_2, fiscal_3, fiscal_4]:
assert fiscal.scoring_troll() == 0
# se agregan dos nuevas identificaciones: el fiscal 2 identifica la misma mesa que el 1, el fiscal 4 reporta un problema
identificar(attach, mesa_1, fiscal_2)
reportar_problema_attachment(attach, fiscal_4)
# ahora si deberia asociarse la mesa, y como consecuencia,
# aumentar el scoring troll para los fiscales 3 y 4 que identificaron distinto a lo que se decidio
consolidar_identificaciones(attach)
for fiscal in [fiscal_1, fiscal_2, fiscal_3, fiscal_4]:
fiscal.refresh_from_db()
assert fiscal_1.scoring_troll() == -28
assert fiscal_2.scoring_troll() == -28
assert fiscal_3.scoring_troll() == 180
assert fiscal_4.scoring_troll() == 180
def test_carga_parcial_consolidada_dc(db, settings):
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
presi = CategoriaFactory()
mesa_1 = MesaFactory(categorias=[presi])
mesa_categoria_1 = MesaCategoria.objects.filter(mesa=mesa_1,
categoria=presi).first()
attach_1 = AttachmentFactory()
assert mesa_categoria_1.status == MesaCategoria.STATUS.sin_cargar
identificar(attach_1, mesa_1, fiscal_1)
identificar(attach_1, mesa_1, fiscal_2)
refrescar_data(
[presi, fiscal_1, fiscal_2, mesa_1, mesa_categoria_1, attach_1])
assert not fiscal_1.troll
assert not fiscal_2.troll
assert Identificacion.objects.filter(procesada=False).count() == 2
consumir_novedades_identificacion()
refrescar_data([mesa_categoria_1, mesa_1, attach_1])
assert Identificacion.objects.filter(procesada=False).count() == 0
nueva_carga(mesa_categoria_1, fiscal_1, [20, 15], Carga.TIPOS.parcial)
consumir_novedades_carga()
refrescar_data([mesa_categoria_1])
assert mesa_categoria_1.status == MesaCategoria.STATUS.parcial_sin_consolidar
nueva_carga(mesa_categoria_1, fiscal_2, [20, 15], Carga.TIPOS.parcial)
refrescar_data([mesa_categoria_1])
assert Carga.objects.filter(procesada=False).count() == 1
consumir_novedades_carga()
refrescar_data([mesa_categoria_1])
assert mesa_categoria_1.status == MesaCategoria.STATUS.parcial_consolidada_dc
assert Carga.objects.filter(procesada=False).count() == 0
def test_ciclo_de_vida_problemas_descartar(db):
a = AttachmentFactory()
m1 = MesaFactory()
IdentificacionFactory(attachment=a, status='identificada', mesa=m1)
i1 = IdentificacionFactory(attachment=a, status='problema', mesa=None)
f = FiscalFactory()
Problema.reportar_problema(f,
'reporte 1',
ReporteDeProblema.TIPOS_DE_PROBLEMA.spam,
identificacion=i1)
assert i1.problemas.first().problema.estado == Problema.ESTADOS.potencial
i2 = IdentificacionFactory(attachment=a, status='problema', mesa=None)
Problema.reportar_problema(f,
'reporte 2',
ReporteDeProblema.TIPOS_DE_PROBLEMA.ilegible,
identificacion=i2)
assert i1.invalidada == False
assert i2.invalidada == False
consumir_novedades_identificacion()
# Se consolidó un problema.
a.refresh_from_db()
assert a.status == Attachment.STATUS.problema
problema = i1.problemas.first().problema
assert problema.estado == Problema.ESTADOS.pendiente
problema.descartar(FiscalFactory().user)
assert problema.estado == Problema.ESTADOS.descartado
i1.refresh_from_db()
i2.refresh_from_db()
# Las identificaciones están invalidadas.
assert i1.invalidada == True
assert i2.invalidada == True
consumir_novedades_identificacion()
# Se agrega una nueva identificación y se consolida.
IdentificacionFactory(attachment=a, status='identificada', mesa=m1)
consumir_novedades_identificacion()
a.refresh_from_db()
assert a.status == Attachment.STATUS.identificada
assert a.mesa == m1
def test_registro_evento_scoring_identificacion_incorrecta(db):
"""
Se comprueba que un EventoScoringTroll se genere con los valores correctos.
"""
fiscal = nuevo_fiscal()
attach = AttachmentFactory()
identi = reportar_problema_attachment(attach, fiscal)
cantidad_eventos_antes = EventoScoringTroll.objects.count()
aumentar_scoring_troll_identificacion(100, identi)
assert EventoScoringTroll.objects.count() == cantidad_eventos_antes + 1
assert fiscal.eventos_scoring_troll.count() == 1
evento = fiscal.eventos_scoring_troll.first()
assert evento.motivo == EventoScoringTroll.MOTIVOS.identificacion_attachment_distinta_a_confirmada
assert evento.mesa_categoria is None
assert evento.attachment == attach
assert evento.automatico
assert evento.actor is None
assert evento.fiscal_afectado == fiscal
assert evento.variacion == 100
def test_elegir_acta_mesas_redirige(db, fiscal_client):
assert Mesa.objects.count() == 0
assert VotoMesaReportado.objects.count() == 0
c = CircuitoFactory()
e1 = EleccionFactory()
e2 = EleccionFactory()
m1 = AttachmentFactory(mesa__eleccion=[e1],
mesa__lugar_votacion__circuito=c).mesa
e2 = EleccionFactory()
m2 = AttachmentFactory(mesa__eleccion=[e1, e2],
mesa__lugar_votacion__circuito=c).mesa
assert m1.orden_de_carga == 1
assert m2.orden_de_carga == 2
response = fiscal_client.get(reverse('elegir-acta-a-cargar'))
assert response.status_code == 302
assert response.url == reverse('mesa-cargar-resultados',
args=[e1.id, m1.numero])
# como m1 queda en periodo de "taken" (aunque no se haya ocupado aun)
# se pasa a la siguiente mesa
response = fiscal_client.get(reverse('elegir-acta-a-cargar'))
assert response.status_code == 302
assert response.url == reverse('mesa-cargar-resultados',
args=[e1.id, m2.numero])
# se carga esa eleccion
VotoMesaReportadoFactory(mesa=m2,
eleccion=e1,
opcion=e1.opciones.first(),
votos=1)
# FIX ME . El periodo de taken deberia ser *por eleccion*.
# en este escenario donde esta lockeado la mesa para la eleccion 1, pero no se está
# cargando la mesa 2, un dataentry queda idle
response = fiscal_client.get(reverse('elegir-acta-a-cargar'))
assert response.status_code == 200 # no hay actas
m2.taken = None
m2.save()
response = fiscal_client.get(reverse('elegir-acta-a-cargar'))
assert response.status_code == 302
assert response.url == reverse('mesa-cargar-resultados',
args=[e2.id, m2.numero])
def test_efecto_consolidar_asociacion_attachment(db, settings):
"""
Se comprueba que el efecto de afectar el scoring de troll a partir de la asociacion
de un Attachment a una Mesa sea el correcto.
O sea, que se aumente el scoring de los fiscales que hicieron identificaciones distintas
a la aceptada, y que no aumente el scoring de los fiscales que hicieron la identificacion aceptada.
"""
with override_config(
SCORING_TROLL_IDENTIFICACION_DISTINTA_A_CONFIRMADA=180,
SCORING_TROLL_DESCUENTO_ACCION_CORRECTA=40):
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
fiscal_4 = nuevo_fiscal()
mesa_1 = MesaFactory()
mesa_2 = MesaFactory()
attach = AttachmentFactory()
# los cuatro fiscales hacen una identificacion sobre el mismo attachment
# los fiscales 1 y 2 hacen la identificacion que se va a aceptar, a la mesa 1
# el fiscal 3 identifica a una mesa distinta
# el fiscal 4 reporta un problema
identificar(attach, mesa_1, fiscal_1)
identificar(attach, mesa_1, fiscal_2)
identificar(attach, mesa_2, fiscal_3)
reportar_problema_attachment(attach, fiscal_4)
# se espera que se generen dos eventos, para los fiscales 3 y 4 que identificaron distinto
# a la mesa que se indica como asociada al attachment
cantidad_eventos_antes = EventoScoringTroll.objects.count()
efecto_scoring_troll_asociacion_attachment(attach, mesa_1)
for fiscal in [fiscal_1, fiscal_2, fiscal_3, fiscal_4]:
fiscal.refresh_from_db()
assert EventoScoringTroll.objects.count() == cantidad_eventos_antes + 4
assert fiscal_1.scoring_troll() == -40
assert fiscal_2.scoring_troll() == -40
assert fiscal_3.scoring_troll() == 180
assert fiscal_4.scoring_troll() == 180
def test_registro_evento_scoring_identificacion_correcta(db):
"""
Se comprueba que un EventoScoringTroll correspondiente a una identificación correcta,
se genere con los valores correctos.
"""
fiscal = nuevo_fiscal()
attach = AttachmentFactory()
mesa = MesaFactory()
identi = identificar(attach, mesa, fiscal)
cantidad_eventos_antes = EventoScoringTroll.objects.count()
disminuir_scoring_troll_identificacion(80, identi)
assert EventoScoringTroll.objects.count() == cantidad_eventos_antes + 1
assert fiscal.eventos_scoring_troll.count() == 1
evento = fiscal.eventos_scoring_troll.first()
assert evento.motivo == EventoScoringTroll.MOTIVOS.identificacion_aceptada
assert evento.mesa_categoria is None
assert evento.attachment == attach
assert evento.automatico
assert evento.actor is None
assert evento.fiscal_afectado == fiscal
assert evento.variacion == -80
def test_identificacion_create_view_post(fiscal_client, admin_user):
m1 = MesaFactory()
a = AttachmentFactory()
admin_user.fiscal.asignar_attachment(a)
a.asignar_a_fiscal()
data = {
'mesa': m1.numero,
'circuito': m1.circuito.numero,
'seccion': m1.circuito.seccion.numero,
'distrito': m1.circuito.seccion.distrito.id,
}
response = fiscal_client.post(reverse('asignar-mesa', args=[a.id]), data)
assert response.status_code == HTTPStatus.FOUND
assert response.url == reverse('siguiente-accion')
assert a.identificaciones.count() == 1
i = a.identificaciones.first()
assert i.status == Identificacion.STATUS.identificada
assert i.mesa == m1
assert i.fiscal == admin_user.fiscal
# La identificación todavía no está consolidada.
a.refresh_from_db()
assert a.identificacion_testigo is None
assert not m1.attachments.exists()
assert a.cant_fiscales_asignados == 0
def test_avance_de_carga_mesas_con_carga_csv_sin_fotos(db, settings):
# settings
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.MIN_COINCIDENCIAS_CARGA = 2
# una categoria con cuatro opciones, dos prioritarias, dos no prioritarias
pv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
# un circuito con 10 mesas de 100, 110, ..., 290 votantes. Total 1450
seccion_1, circuito_1, lugar_votacion_1 = crear_seccion("Luján oeste")
[mesas_1] = crear_mesas([lugar_votacion_1], [pv], 10)
for ix in range(len(mesas_1)):
mesas_1[ix].electores = 100 + ix * 10
mesas_1[ix].save(update_fields=['electores'])
# dos fiscales
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
# identifico totalmente 6 mesas, parcialmente dos mesas
attachs = AttachmentFactory.create_batch(30)
for ix in range(6):
identificar(attachs[ix], mesas_1[ix], fiscal_1)
identificar(attachs[ix], mesas_1[ix], fiscal_2)
identificar(attachs[6], mesas_1[6], fiscal_1)
identificar(attachs[7], mesas_1[7], fiscal_1)
consumir_novedades_identificacion()
# dos cargas parciales
nueva_carga(mesacat(mesas_1[0], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_1[1], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
# tres cargas totales desde CSV de una mesa sin identificar (la última), una parcialmente identificada, una identificada
nueva_carga(mesacat(mesas_1[9], pv), fiscal_1, [50, 30, 20, 10],
Carga.TIPOS.total, Carga.SOURCES.csv)
nueva_carga(mesacat(mesas_1[6], pv), fiscal_1, [50, 30, 20, 10],
Carga.TIPOS.total, Carga.SOURCES.csv)
nueva_carga(mesacat(mesas_1[2], pv), fiscal_1, [50, 30, 20, 10],
Carga.TIPOS.total, Carga.SOURCES.csv)
consumir_novedades_carga()
# podemos mirar
vorwaerts = AvanceDeCarga(NIVELES_DE_AGREGACION.circuito, [circuito_1.id])
resultados = vorwaerts.get_resultados(pv)
verificar_resultado(resultados.total(), 10, 1450, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 1, 180, 10,
12.41)
verificar_resultado(resultados.sin_identificar_con_cargas(), 1, 190, 10,
13.1)
verificar_resultado(resultados.en_identificacion_sin_cargas(), 1, 170, 10,
11.72)
verificar_resultado(resultados.en_identificacion_con_cargas(), 1, 160, 10,
11.03)
verificar_resultado(resultados.sin_cargar(), 3, 420, 30, 28.97)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 2, 210, 20,
14.48)
verificar_resultado(resultados.carga_parcial_consolidada_csv(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_total_sin_consolidar(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_total_consolidada_csv(), 3, 470, 30,
32.41)
verificar_resultado(resultados.carga_total_consolidada_dc(), 0, 0, 0, 0)
def test_avance_de_carga_combinando_dc_y_csv(db, settings):
# settings
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.MIN_COINCIDENCIAS_CARGA = 2
# una categoria con cuatro opciones, dos prioritarias, dos no prioritarias
pv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
# un circuito con 20 mesas de 100, 110, ..., 290 votantes. Total 3900
seccion_1, circuito_1, lugar_votacion_1 = crear_seccion("Luján oeste")
[mesas_1] = crear_mesas([lugar_votacion_1], [pv], 20)
for ix in range(len(mesas_1)):
mesas_1[ix].electores = 100 + ix * 10
mesas_1[ix].save(update_fields=['electores'])
# dos fiscales
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
# identifico 18 mesas
attachs = AttachmentFactory.create_batch(30)
for ix in range(18):
identificar(attachs[ix], mesas_1[ix], fiscal_1)
identificar(attachs[ix], mesas_1[ix], fiscal_2)
consumir_novedades_identificacion()
# doble carga total coincidente de 4 mesas
for ix in range(4):
nueva_carga(mesacat(mesas_1[ix], pv), fiscal_1, [50, 30, 20, 10],
Carga.TIPOS.total)
nueva_carga(mesacat(mesas_1[ix], pv), fiscal_2, [50, 30, 20, 10],
Carga.TIPOS.total)
# cinco cargas totales desde CSV
for ix in range(5):
nueva_carga(mesacat(mesas_1[4 + ix], pv), fiscal_1, [50, 30, 20, 10],
Carga.TIPOS.total, Carga.SOURCES.csv)
# doble carga parcial coincidente de 3 mesas
for ix in range(3):
nueva_carga(mesacat(mesas_1[9 + ix], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_1[9 + ix], pv), fiscal_2, [50, 30],
Carga.TIPOS.parcial)
# dos cargas parciales desde CSV
nueva_carga(mesacat(mesas_1[12], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial, Carga.SOURCES.csv)
nueva_carga(mesacat(mesas_1[13], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial, Carga.SOURCES.csv)
# una carga parcial
nueva_carga(mesacat(mesas_1[14], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
consumir_novedades_carga()
# podemos mirar
vorwaerts = AvanceDeCarga(NIVELES_DE_AGREGACION.circuito, [circuito_1.id])
resultados = vorwaerts.get_resultados(pv)
verificar_resultado(resultados.total(), 20, 3900, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 2, 570, 10,
14.62)
verificar_resultado(resultados.sin_cargar(), 3, 780, 15, 20)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 1, 240, 5,
6.15)
verificar_resultado(resultados.carga_parcial_consolidada_csv(), 2, 450, 10,
11.54)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 3, 600, 15,
15.38)
verificar_resultado(resultados.carga_total_sin_consolidar(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_total_consolidada_csv(), 5, 800, 25,
20.51)
verificar_resultado(resultados.carga_total_consolidada_dc(), 4, 460, 20,
11.79)
def test_avance_de_carga_dos_circuitos(db, settings):
# settings
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.MIN_COINCIDENCIAS_CARGA = 2
# dos categorías con cuatro opciones, dos prioritarias, dos no prioritarias
pv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
gv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
# un circuito con 10 mesas de 100, 110, ..., 190 votantes. Total 1450
seccion_1, circuito_1, lugar_votacion_1 = crear_seccion("Luján oeste")
[mesas_1] = crear_mesas([lugar_votacion_1], [pv, gv], 10)
for ix in range(len(mesas_1)):
mesas_1[ix].electores = 100 + ix * 10
mesas_1[ix].save(update_fields=['electores'])
# otro circuito con 20 mesas de 200 votantes. Total 4000
seccion_2, circuito_2, lugar_votacion_2 = crear_seccion("Mercedes")
[mesas_2] = crear_mesas([lugar_votacion_2], [pv, gv], 20)
for ix in range(len(mesas_2)):
mesas_2[ix].electores = 200
mesas_2[ix].save(update_fields=['electores'])
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
# identifico todas las mesas salvo dos de la sección 2
attachs = AttachmentFactory.create_batch(30)
for ix in range(10):
identificar(attachs[ix], mesas_1[ix], fiscal_1)
identificar(attachs[ix], mesas_1[ix], fiscal_2)
for ix in range(18):
identificar(attachs[ix + 10], mesas_2[ix], fiscal_1)
identificar(attachs[ix + 10], mesas_2[ix], fiscal_2)
consumir_novedades_identificacion()
# sección 1
# doble carga parcial coincidente de 6 mesas pv y 2 mesas gv
for ix in range(6):
nueva_carga(mesacat(mesas_1[ix], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_1[ix], pv), fiscal_2, [50, 30],
Carga.TIPOS.parcial)
for ix in range(2):
nueva_carga(mesacat(mesas_1[ix], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_1[ix], gv), fiscal_2, [55, 25],
Carga.TIPOS.parcial)
# una carga parcial de una mesa pv y tres gv
nueva_carga(mesacat(mesas_1[6], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
for ix in range(3):
nueva_carga(mesacat(mesas_1[ix + 2], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
consumir_novedades_carga()
# sección 2
# doble carga parcial coincidente de 15 mesas pv y 12 gv
for ix in range(15):
nueva_carga(mesacat(mesas_2[ix], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_2[ix], pv), fiscal_2, [50, 30],
Carga.TIPOS.parcial)
for ix in range(12):
nueva_carga(mesacat(mesas_2[ix], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas_2[ix], gv), fiscal_2, [55, 25],
Carga.TIPOS.parcial)
# una carga parcial 6 mesas gv
for ix in range(6):
nueva_carga(mesacat(mesas_2[ix + 12], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
consumir_novedades_carga()
# resultados circuito 1
vorwaerts = AvanceDeCarga(NIVELES_DE_AGREGACION.circuito, [circuito_1.id])
# categoría pv
resultados = vorwaerts.get_resultados(pv)
verificar_resultado(resultados.total(), 10, 1450, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 0, 0, 0, 0)
verificar_resultado(resultados.sin_cargar(), 3, 540, 30, 37.24)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 1, 160, 10,
11.03)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 6, 750, 60,
51.72)
# categoría gv
resultados = vorwaerts.get_resultados(gv)
verificar_resultado(resultados.total(), 10, 1450, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 0, 0, 0, 0)
verificar_resultado(resultados.sin_cargar(), 5, 850, 50, 58.62)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 3, 390, 30,
26.9)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 2, 210, 20,
14.48)
# resultados circuito 2
vorwaerts = AvanceDeCarga(NIVELES_DE_AGREGACION.circuito, [circuito_2.id])
# categoría pv
resultados = vorwaerts.get_resultados(pv)
verificar_resultado(resultados.total(), 20, 4000, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 2, 400, 10,
10)
verificar_resultado(resultados.sin_cargar(), 3, 600, 15, 15)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 15, 3000,
75, 75)
# categoría gv
resultados = vorwaerts.get_resultados(gv)
verificar_resultado(resultados.total(), 20, 4000, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 2, 400, 10,
10)
verificar_resultado(resultados.sin_cargar(), 0, 0, 0, 0)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 6, 1200, 30,
30)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 12, 2400,
60, 60)
def test_avance_de_carga_dos_categorias(db, settings):
# settings
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.MIN_COINCIDENCIAS_CARGA = 2
# dos categoríasas con cuatro opciones, dos prioritarias, dos no prioritarias
pv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
gv = nueva_categoria(["a1", "a2"], ["b1", "b2"])
# 10 mesas de 100, 110, ..., 190 votantes. Total 1450
seccion, circuito, lugar_votacion = crear_seccion("Luján oeste")
[mesas] = crear_mesas([lugar_votacion], [pv, gv], 10)
for ix in range(len(mesas)):
mesas[ix].electores = 100 + ix * 10
mesas[ix].save(update_fields=['electores'])
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
# identifico 9 mesas
attachs = AttachmentFactory.create_batch(10)
for ix in range(9):
identificar(attachs[ix], mesas[ix], fiscal_1)
identificar(attachs[ix], mesas[ix], fiscal_2)
consumir_novedades_identificacion()
# doble carga parcial coincidente de 6 mesas pv y 2 mesas gv
for ix in range(6):
nueva_carga(mesacat(mesas[ix], pv), fiscal_1, [50, 30],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas[ix], pv), fiscal_2, [50, 30],
Carga.TIPOS.parcial)
for ix in range(2):
nueva_carga(mesacat(mesas[ix], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
nueva_carga(mesacat(mesas[ix], gv), fiscal_2, [55, 25],
Carga.TIPOS.parcial)
# una carga parcial de una mesa pv y tres gv
nueva_carga(mesacat(mesas[6], pv), fiscal_1, [50, 30], Carga.TIPOS.parcial)
for ix in range(3):
nueva_carga(mesacat(mesas[ix + 2], gv), fiscal_1, [55, 25],
Carga.TIPOS.parcial)
consumir_novedades_carga()
# resultados
vorwaerts = AvanceDeCarga()
# categoría pv
resultados = vorwaerts.get_resultados(pv)
verificar_resultado(resultados.total(), 10, 1450, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 1, 190, 10,
13.1)
verificar_resultado(resultados.en_identificacion_sin_cargas(), 0, 0, 0, 0)
verificar_resultado(resultados.sin_cargar(), 2, 350, 20, 24.14)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 1, 160, 10,
11.03)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 6, 750, 60,
51.72)
# categoría gv
resultados = vorwaerts.get_resultados(gv)
verificar_resultado(resultados.total(), 10, 1450, 100, 100)
verificar_resultado(resultados.sin_identificar_sin_cargas(), 1, 190, 10,
13.1)
verificar_resultado(resultados.en_identificacion_sin_cargas(), 0, 0, 0, 0)
verificar_resultado(resultados.sin_cargar(), 4, 660, 40, 45.52)
verificar_resultado(resultados.carga_parcial_sin_consolidar(), 3, 390, 30,
26.9)
verificar_resultado(resultados.carga_parcial_consolidada_dc(), 2, 210, 20,
14.48)
def test_datos_preidentificaciones(db, settings):
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
settings.DISTRITO_PBA = '2'
# 50 mesas: 20 pba, 15 caba, 15 catamarca
data = DataTresDistritos(settings.DISTRITO_PBA)
# 20 preidentificaciones
preidents_pba = [PreidentificacionFactory(distrito=data.distrito_pba) for ix in range(12)]
preidents_caba = [PreidentificacionFactory(distrito=data.distrito_caba) for ix in range(8)]
# 40 fotos:
# - 14 / 5 / 2 identificadas a mesas pba / caba / catamarca
# - 3 con problemas
# - 6 en proceso de identificación
# - 10 sin acciones
fotos = []
for ix in range(40):
foto = AttachmentFactory()
fotos.append(foto)
if (ix < 14):
identificar(foto, data.mesas_pba[ix], data.fiscales[0])
identificar(foto, data.mesas_pba[ix], data.fiscales[1])
if (ix < 5):
foto.pre_identificacion = preidents_pba[ix]
foto.save(update_fields=['pre_identificacion'])
elif (ix < 19):
identificar(foto, data.mesas_caba[ix-14], data.fiscales[2])
identificar(foto, data.mesas_caba[ix-14], data.fiscales[3])
if (ix < 17):
foto.pre_identificacion = preidents_caba[ix-14]
foto.save(update_fields=['pre_identificacion'])
elif (ix < 21):
identificar(foto, data.mesas_cat[ix-19], data.fiscales[4])
identificar(foto, data.mesas_cat[ix-19], data.fiscales[5])
elif (ix < 24):
reportar_problema_attachment(foto, data.fiscales[6])
reportar_problema_attachment(foto, data.fiscales[7])
elif (ix < 30):
identificar(foto, data.mesas_pba[ix-10], data.fiscales[8])
if (ix < 26):
foto.pre_identificacion = preidents_pba[ix-19]
foto.save(update_fields=['pre_identificacion'])
elif (ix < 35):
foto.pre_identificacion = preidents_pba[ix-23]
foto.save(update_fields=['pre_identificacion'])
elif (ix < 40):
foto.pre_identificacion = preidents_caba[ix-32]
foto.save(update_fields=['pre_identificacion'])
consumir_novedades()
generador_nacional = GeneradorDatosPreidentificaciones()
generador_pba = GeneradorDatosPreidentificaciones(
PreIdentificacion.objects.filter(distrito__numero=settings.DISTRITO_PBA))
generador_nacional.calcular()
generador_pba.calcular()
assert generador_nacional.cantidad_total == 20
assert generador_nacional.identificadas == 8
assert generador_nacional.sin_identificar == 12
assert generador_pba.cantidad_total == 12
assert generador_pba.identificadas == 5
assert generador_pba.sin_identificar == 7
def test_sin_identificar_excluye_otros_estados(db):
AttachmentFactory(status='spam')
AttachmentFactory(status='invalida')
AttachmentFactory(status='identificada')
a = AttachmentFactory(status=Attachment.STATUS.sin_identificar)
assert set(Attachment.objects.sin_identificar()) == {a}
def test_efecto_marcar_fiscal_como_troll(db):
"""
Se comprueba que al marcar un fiscal como troll,
las cargas e identificaciones que hizo quedan invalidadas.
"""
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
fiscal_4 = nuevo_fiscal()
categoria_1 = nueva_categoria(["o1", "o2", "o3"])
categoria_2 = nueva_categoria(["p1", "p2", "p3"])
mesa_1 = MesaFactory(categorias=[categoria_1, categoria_2])
mesa_2 = MesaFactory(categorias=[categoria_1, categoria_2])
mesa_3 = MesaFactory(categorias=[categoria_1])
attach_1 = AttachmentFactory()
attach_2 = AttachmentFactory()
attach_3 = AttachmentFactory()
attach_4 = AttachmentFactory()
ident_1_1 = identificar(attach_1, mesa_1, fiscal_1)
ident_1_2 = identificar(attach_1, mesa_1, fiscal_2)
ident_1_3 = reportar_problema_attachment(attach_1, fiscal_3)
ident_2_2 = identificar(attach_2, mesa_2, fiscal_2)
ident_2_3 = identificar(attach_2, mesa_3, fiscal_3)
ident_3_1 = reportar_problema_attachment(attach_3, fiscal_1)
ident_3_4 = identificar(attach_3, mesa_3, fiscal_4)
ident_4_2 = identificar(attach_4, mesa_2, fiscal_2)
ident_4_4 = reportar_problema_attachment(attach_4, fiscal_4)
mesa_categoria_1_1 = MesaCategoria.objects.filter(
mesa=mesa_1, categoria=categoria_1).first()
carga_1_1_1 = nueva_carga(mesa_categoria_1_1, fiscal_1, [30, 20, 10])
carga_1_1_2 = nueva_carga(mesa_categoria_1_1, fiscal_2, [30, 20, 10])
mesa_categoria_1_2 = MesaCategoria.objects.filter(
mesa=mesa_1, categoria=categoria_2).first()
carga_1_2_1 = nueva_carga(mesa_categoria_1_2, fiscal_1, [30, 20, 10])
carga_1_2_3 = nueva_carga(mesa_categoria_1_2, fiscal_3, [30, 20, 10])
mesa_categoria_2_1 = MesaCategoria.objects.filter(
mesa=mesa_2, categoria=categoria_1).first()
carga_2_1_2 = nueva_carga(mesa_categoria_2_1, fiscal_2, [30, 20, 10])
carga_2_1_3 = nueva_carga(mesa_categoria_2_1, fiscal_3, [30, 20, 10])
mesa_categoria_2_2 = MesaCategoria.objects.filter(
mesa=mesa_2, categoria=categoria_2).first()
carga_2_2_1 = nueva_carga(mesa_categoria_2_2, fiscal_1, [30, 20, 10])
carga_2_2_4 = nueva_carga(mesa_categoria_2_2, fiscal_4, [30, 20, 10])
mesa_categoria_3_1 = MesaCategoria.objects.filter(
mesa=mesa_3, categoria=categoria_1).first()
carga_3_1_2 = nueva_carga(mesa_categoria_3_1, fiscal_2, [30, 20, 10])
carga_3_1_4 = nueva_carga(mesa_categoria_3_1, fiscal_4, [30, 20, 10])
assert Identificacion.objects.filter(invalidada=True).count() == 0
assert Carga.objects.filter(invalidada=True).count() == 0
assert Identificacion.objects.filter(fiscal=fiscal_1).count() == 2
assert Carga.objects.filter(fiscal=fiscal_1).count() == 3
# hacemos una marca explicita de troll, tienen que quedar invalidadas las cargas e identificaciones que hizo,
# y ninguna mas
fiscal_1.marcar_como_troll(fiscal_4)
assert Identificacion.objects.filter(invalidada=True).count() == 2
assert Carga.objects.filter(invalidada=True).count() == 3
for ident in Identificacion.objects.filter(fiscal=fiscal_1):
assert ident.invalidada
for carga in Carga.objects.filter(fiscal=fiscal_1):
assert carga.invalidada
def test_cargar_resultados_mesa_desde_ub_con_id_de_mesa(
db, fiscal_client, admin_user, django_assert_num_queries):
"""
Es un test desaconsejadamente largo, pero me sirvió para entender el escenario.
Se hace un recorrido por la carga de dos categorías desde una UB.
Cuando se llama a cargar-desde-ub, cuando va por GET, es para cargar el template carga-ub.html.
Cuando se le pega con POST, va a cargar un resultado.
Cuando ya no tiene más categorías para cargar, te devuelve a agregar-adjunto-ub
"""
categoria_1 = CategoriaFactory()
categoria_2 = CategoriaFactory()
mesa = MesaFactory(categorias=[categoria_1, categoria_2])
mesa_categoria_1 = MesaCategoriaFactory(mesa=mesa,
categoria=categoria_1,
coeficiente_para_orden_de_carga=1)
mesa_categoria_2 = MesaCategoriaFactory(mesa=mesa,
categoria=categoria_2,
coeficiente_para_orden_de_carga=2)
opcion_1 = OpcionFactory()
opcion_2 = OpcionFactory()
CategoriaOpcionFactory(categoria=categoria_1,
opcion=opcion_1,
prioritaria=True)
CategoriaOpcionFactory(categoria=categoria_1,
opcion=opcion_2,
prioritaria=True)
CategoriaOpcionFactory(categoria=categoria_2,
opcion=opcion_1,
prioritaria=True)
CategoriaOpcionFactory(categoria=categoria_2,
opcion=opcion_2,
prioritaria=True)
AttachmentFactory(mesa=mesa)
IdentificacionFactory(
mesa=mesa,
status=Identificacion.STATUS.identificada,
source=Identificacion.SOURCES.csv,
)
consumir_novedades_identificacion()
assert MesaCategoria.objects.count() == 2
for mc in MesaCategoria.objects.all():
mc.actualizar_coeficiente_para_orden_de_carga()
nombre_categoria = "Un nombre en particular" # Sin tilde que si no falla el 'in' más abajo.
categoria_1.nombre = nombre_categoria
categoria_1.save(update_fields=['nombre'])
categoria_2.nombre = 'Otro nombre'
categoria_2.save(update_fields=['nombre'])
url_carga = reverse('cargar-desde-ub', kwargs={'mesa_id': mesa.id})
response = fiscal_client.get(url_carga)
# Nos aseguramos que haya cargado el template específico para UB. No es una redirección.
assert response.status_code == HTTPStatus.OK
assert url_carga in str(response.content)
# categoria1 debería aparecer primero porque su mesa categoria tiene un coeficiente_para_orden_de_carga más grande
assert nombre_categoria in str(response.content)
tupla_opciones_electores = [
(opcion_1.id, mesa.electores // 2, mesa.electores // 2),
(opcion_2.id, mesa.electores // 2, mesa.electores // 2)
]
request_data = _construir_request_data_para_carga_de_resultados(
tupla_opciones_electores)
with django_assert_num_queries(47):
response = fiscal_client.post(url_carga, request_data)
# Tiene otra categoría, por lo que debería cargar y redirigirnos nuevamente a cargar-desde-ub
carga = Carga.objects.get()
assert carga.tipo == Carga.TIPOS.total
assert response.status_code == HTTPStatus.FOUND
assert response.url == reverse('cargar-desde-ub',
kwargs={'mesa_id': mesa.id})
# Hacemos el get hacia donde nos manda el redirect. Esto hace el take.
response = fiscal_client.get(response.url)
# Posteamos los nuevos datos.
response = fiscal_client.post(url_carga, request_data)
carga.refresh_from_db()
cargas = Carga.objects.all()
assert len(cargas) == 2
assert carga.tipo == Carga.TIPOS.total
# Me lleva a continuar con el workflow.
assert response.status_code == HTTPStatus.FOUND
assert response.url == reverse('cargar-desde-ub',
kwargs={'mesa_id': mesa.id})
# La mesa no tiene más categorías, nos devuelve a la pantalla de carga de adjuntos.
assert response.status_code == 302
# Hacemos el get hacia donde nos manda el redirect.
response = fiscal_client.get(response.url)
assert response.url == reverse('agregar-adjuntos-ub')
def test_attachment_unico(db):
a = AttachmentFactory()
assert a.foto
assert a.foto_digest
with pytest.raises(IntegrityError):
AttachmentFactory(foto=a.foto)
def test_data_fiscales_para_monitoreo_antitrolling(db):
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
fiscal_4 = nuevo_fiscal()
fiscal_5 = nuevo_fiscal()
fiscal_6 = nuevo_fiscal()
fiscal_7 = nuevo_fiscal()
fiscal_8 = nuevo_fiscal()
attach = AttachmentFactory()
mesa_1 = MesaFactory()
mesa_2 = MesaFactory()
mesa_3 = MesaFactory()
mesa_4 = MesaFactory()
mesa_5 = MesaFactory()
with override_config(
SCORING_MINIMO_PARA_CONSIDERAR_QUE_FISCAL_ES_TROLL=500):
identi_1 = reportar_problema_attachment(attach, fiscal_1)
identi_2 = identificar(attach, mesa_1, fiscal_2)
identi_3 = identificar(attach, mesa_2, fiscal_3)
identi_4 = identificar(attach, mesa_3, fiscal_4)
identi_5 = identificar(attach, mesa_4, fiscal_5)
identi_6 = identificar(attach, mesa_5, fiscal_6)
aumentar_scoring_troll_identificacion(300, identi_1)
aumentar_scoring_troll_identificacion(450, identi_2)
aumentar_scoring_troll_identificacion(520, identi_3)
aumentar_scoring_troll_identificacion(100, identi_4)
aumentar_scoring_troll_identificacion(51, identi_5)
aumentar_scoring_troll_identificacion(30, identi_6)
# sólo toma en cuenta los fiscales que ingresaron alguna vez
for fiscal in [
fiscal_1, fiscal_2, fiscal_3, fiscal_4, fiscal_5, fiscal_6,
fiscal_7, fiscal_8
]:
fiscal.marcar_ingreso_alguna_vez()
fiscal.refresh_from_db()
ParametrosAntitrolling.reset()
rango_80 = FiscalesEnRangoScoringTroll().setRangoPorcentajes(
80, None).set_umbrales_de_peligro(5, 7, 10)
assert rango_80.cantidad_fiscales() == 1
assert rango_80.porcentaje_fiscales() == 12.5
assert rango_80.desde_scoring == 401
assert rango_80.hasta_scoring == None
assert rango_80.indicador_peligro(
) == IndicadorDePeligro.indicador_rojo
rango_intermedio = FiscalesEnRangoScoringTroll().setRangoPorcentajes(
30, 60).set_umbrales_de_peligro(30, 40, 50)
assert rango_intermedio.cantidad_fiscales() == 1
assert rango_intermedio.porcentaje_fiscales() == 12.5
assert rango_intermedio.desde_scoring == 151
assert rango_intermedio.hasta_scoring == 300
assert rango_intermedio.indicador_peligro(
) == IndicadorDePeligro.indicador_verde
rango_amplio = FiscalesEnRangoScoringTroll().setRangoPorcentajes(
10, 60).set_umbrales_de_peligro(30, 40, 50)
assert rango_amplio.cantidad_fiscales() == 3
assert rango_amplio.porcentaje_fiscales() == 37.5
assert rango_amplio.desde_scoring == 51
assert rango_amplio.hasta_scoring == 300
assert rango_amplio.indicador_peligro(
) == IndicadorDePeligro.indicador_amarillo
data_troll = FiscalesTroll().set_umbrales_de_peligro(5, 10, 15)
assert data_troll.cantidad_fiscales() == 1
assert data_troll.porcentaje_fiscales() == 12.5
assert data_troll.indicador_peligro(
) == IndicadorDePeligro.indicador_naranja
attach_2 = AttachmentFactory()
identi_2_2 = identificar(attach, mesa_1, fiscal_2)
aumentar_scoring_troll_identificacion(120, identi_2_2)
data_troll = FiscalesTroll().set_umbrales_de_peligro(5, 10, 15)
assert data_troll.cantidad_fiscales() == 2
assert data_troll.porcentaje_fiscales() == 25
assert data_troll.indicador_peligro(
) == IndicadorDePeligro.indicador_rojo
data_no_troll = FiscalesNoTroll(data_troll)
assert data_no_troll.cantidad_fiscales() == 6
assert data_no_troll.porcentaje_fiscales() == 75
def test_priorizadas_ordena_por_cant_asignaciones_realizadas(db, settings):
a1 = AttachmentFactory()
a2 = AttachmentFactory()
a3 = AttachmentFactory()
assert a1.id < a2.id
assert a2.id < a3.id
assert set(Attachment.objects.sin_identificar()) == {a1, a2, a3}
for i in range(settings.MIN_COINCIDENCIAS_IDENTIFICACION):
a1.asignar_a_fiscal()
a2.asignar_a_fiscal()
a3.asignar_a_fiscal()
# Prima el orden por id.
assert list(
Attachment.objects.sin_identificar().priorizadas()) == [a1, a2, a3]
# Ahora a2 es devuelto.
for i in range(settings.MIN_COINCIDENCIAS_IDENTIFICACION):
a2.desasignar_a_fiscal()
assert list(
Attachment.objects.sin_identificar().priorizadas()) == [a2, a1, a3]
# a2 es asignado nuevamente.
for i in range(settings.MIN_COINCIDENCIAS_IDENTIFICACION):
a2.asignar_a_fiscal()
# Si bien a3 y a2 tienen la misma cantidad de asignaciones
# vigentes, a2 fue asignado más veces. a1 y a3 empatan, salvo por id.
assert list(
Attachment.objects.sin_identificar().priorizadas()) == [a1, a3, a2]
assert a1.cant_fiscales_asignados == a3.cant_fiscales_asignados
assert a3.cant_fiscales_asignados == a2.cant_fiscales_asignados
assert a3.cant_asignaciones_realizadas < a2.cant_asignaciones_realizadas
def test_identificaciones_troll(db, settings):
"""
Se verifica que luego de que un fiscal es detectado como troll,
el estado asociado a las identificaciones que hubiera hecho cambia tal cual se espera.
"""
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 2
fiscal_1 = nuevo_fiscal()
fiscal_2 = nuevo_fiscal()
fiscal_3 = nuevo_fiscal()
fiscal_4 = nuevo_fiscal()
fiscal_5 = nuevo_fiscal()
categoria_1 = nueva_categoria(["o1", "o2", "o3"])
mesa_1 = MesaFactory(categorias=[categoria_1])
mesa_2 = MesaFactory(categorias=[categoria_1])
mesa_3 = MesaFactory(categorias=[categoria_1])
mesa_4 = MesaFactory(categorias=[categoria_1])
mesa_categoria_1 = MesaCategoria.objects.filter(
mesa=mesa_1, categoria=categoria_1).first()
mesa_categoria_2 = MesaCategoria.objects.filter(
mesa=mesa_2, categoria=categoria_1).first()
attach_1 = AttachmentFactory()
attach_2 = AttachmentFactory()
attach_3 = AttachmentFactory()
attach_4 = AttachmentFactory()
def refrescar_data():
for db_object in [
mesa_categoria_1, mesa_categoria_2, attach_1, attach_2,
attach_3, attach_4, fiscal_1, fiscal_2, fiscal_3, fiscal_4,
fiscal_5
]:
db_object.refresh_from_db()
with override_config(
SCORING_MINIMO_PARA_CONSIDERAR_QUE_FISCAL_ES_TROLL=50,
SCORING_TROLL_IDENTIFICACION_DISTINTA_A_CONFIRMADA=180):
identificar(attach_1, mesa_1, fiscal_1)
identificar(attach_1, mesa_1, fiscal_2)
identificar(attach_2, mesa_2, fiscal_2)
identificar(attach_2, mesa_2, fiscal_3)
identificar(attach_3, mesa_1, fiscal_1)
identificar(attach_3, mesa_4, fiscal_3)
identificar(attach_4, mesa_1, fiscal_1)
identificar(attach_4, mesa_4, fiscal_2)
nueva_carga(mesa_categoria_1, fiscal_3, [20, 25, 15])
nueva_carga(mesa_categoria_1, fiscal_4, [20, 25, 15])
nueva_carga(mesa_categoria_2, fiscal_4, [60, 25, 20])
nueva_carga(mesa_categoria_2, fiscal_5, [60, 25, 20])
assert Identificacion.objects.filter(procesada=False).count() == 8
assert Identificacion.objects.filter(invalidada=True).count() == 0
assert Carga.objects.filter(procesada=False).count() == 4
assert Carga.objects.filter(invalidada=True).count() == 0
# hasta aca: a1, a2 identificada; a3, a4 sin identificar.
consumir_novedades_identificacion()
consumir_novedades_carga()
refrescar_data()
assert attach_1.status == Attachment.STATUS.identificada
assert attach_2.status == Attachment.STATUS.identificada
assert attach_3.status == Attachment.STATUS.sin_identificar
assert attach_4.status == Attachment.STATUS.sin_identificar
assert mesa_categoria_1.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_1.carga_testigo is not None
assert mesa_categoria_1.coeficiente_para_orden_de_carga is not None
assert mesa_categoria_2.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_2.carga_testigo is not None
assert mesa_categoria_2.coeficiente_para_orden_de_carga is not None
assert not fiscal_1.troll
assert Identificacion.objects.filter(procesada=False).count() == 0
assert Identificacion.objects.filter(invalidada=True).count() == 0
assert Carga.objects.filter(procesada=False).count() == 0
assert Carga.objects.filter(invalidada=True).count() == 0
identificar(attach_4, mesa_4, fiscal_4)
# al consolidar esta identificacion, el fiscal 1 pasa a ser troll
# las identificaciones del fiscal 1 se invalidan
consumir_novedades_identificacion()
refrescar_data()
assert attach_1.status == Attachment.STATUS.identificada
assert attach_2.status == Attachment.STATUS.identificada
assert attach_3.status == Attachment.STATUS.sin_identificar
assert attach_4.status == Attachment.STATUS.identificada
assert mesa_categoria_1.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_1.carga_testigo is not None
assert mesa_categoria_1.coeficiente_para_orden_de_carga is not None
assert mesa_categoria_2.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_2.carga_testigo is not None
assert mesa_categoria_2.coeficiente_para_orden_de_carga is not None
assert fiscal_1.troll
assert Identificacion.objects.filter(procesada=False).count() == 3
assert Identificacion.objects.filter(invalidada=True).count() == 3
for ident in Identificacion.objects.filter(fiscal=fiscal_1):
assert ident.invalidada
assert Carga.objects.filter(procesada=False).count() == 0
assert Carga.objects.filter(invalidada=True).count() == 0
# se corre otra consolidacion de identificaciones
# a1 pasa a sin_identificar, se invalidan las cargas de m1 y se le borra el orden de carga
consumir_novedades_identificacion()
refrescar_data()
assert attach_1.status == Attachment.STATUS.sin_identificar
assert attach_2.status == Attachment.STATUS.identificada
assert attach_3.status == Attachment.STATUS.sin_identificar
assert attach_4.status == Attachment.STATUS.identificada
assert mesa_categoria_1.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_1.carga_testigo is not None
assert mesa_categoria_1.coeficiente_para_orden_de_carga is None
assert mesa_categoria_2.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_2.carga_testigo is not None
assert mesa_categoria_2.coeficiente_para_orden_de_carga is not None
assert fiscal_1.troll
assert Identificacion.objects.filter(procesada=False).count() == 0
assert Identificacion.objects.filter(invalidada=True).count() == 3
assert Carga.objects.filter(procesada=False).count() == 2
assert Carga.objects.filter(invalidada=True).count() == 2
for carga in Carga.objects.filter(mesa_categoria=mesa_categoria_1):
assert carga.invalidada
# finalmente, se ejecuta una consolidacion de cargas
# la MesaCategoria de m1 pasa a sin_cargas, y se le borra la carga testigo
consumir_novedades_carga()
refrescar_data()
assert mesa_categoria_1.status == MesaCategoria.STATUS.sin_cargar
assert mesa_categoria_1.carga_testigo is None
assert mesa_categoria_1.coeficiente_para_orden_de_carga is None
assert mesa_categoria_2.status == MesaCategoria.STATUS.total_consolidada_dc
assert mesa_categoria_2.carga_testigo is not None
assert mesa_categoria_2.coeficiente_para_orden_de_carga is not None
assert fiscal_1.troll
assert Identificacion.objects.filter(procesada=False).count() == 0
assert Identificacion.objects.filter(invalidada=True).count() == 3
assert Carga.objects.filter(procesada=False).count() == 0
assert Carga.objects.filter(invalidada=True).count() == 2
for carga in Carga.objects.filter(mesa_categoria=mesa_categoria_1):
assert carga.invalidada
def test_siguiente_happy_path_parcial_y_total_con_modo_ub(
db, fiscal_client, admin_user, settings):
# Este test no es del todo realista porque se lo ejecuta con la cantidad de cargas/identificaciones
# necesarias para consolidar en 1, pero al menos prueba que se siga el circuito con modo_ub=True.
settings.MIN_COINCIDENCIAS_CARGAS = 1
settings.MIN_COINCIDENCIAS_IDENTIFICACION = 1
modo_ub_querry_string = '?modo_ub=True'
mesa = MesaFactory()
from adjuntos.models import PreIdentificacion
from scheduling.models import ColaCargasPendientes
p = PreIdentificacion(fiscal=admin_user.fiscal,
distrito=mesa.circuito.seccion.distrito)
p.save()
a = AttachmentFactory(status='sin_identificar', pre_identificacion=p)
scheduler()
assert ColaCargasPendientes.largo_cola() == 1
response = fiscal_client.get(
reverse('siguiente-accion') + modo_ub_querry_string)
assert response.status_code == HTTPStatus.FOUND
# Me manda a idenficarlas con modo_ub
assert response.url == reverse('asignar-mesa',
args=[a.id]) + modo_ub_querry_string
assert ColaCargasPendientes.largo_cola() == 0
# La identifico.
a.mesa = mesa
a.status = 'identificada'
a.save()
mc1 = MesaCategoriaFactory(categoria__requiere_cargas_parciales=True,
coeficiente_para_orden_de_carga=1,
mesa=mesa)
scheduler()
assert ColaCargasPendientes.largo_cola() == 1
response = fiscal_client.get(
reverse('siguiente-accion') + modo_ub_querry_string)
assert response.status_code == HTTPStatus.FOUND
assert response.url == reverse('carga-parcial',
args=[mc1.id]) + modo_ub_querry_string
carga = CargaFactory(mesa_categoria=mc1, tipo='parcial', origen='csv')
consumir_novedades_carga()
scheduler()
mc1.refresh_from_db()
assert mc1.status == MesaCategoria.STATUS.parcial_consolidada_dc # Porque la cant de cargas está en 1.
assert mc1.carga_testigo == carga
mc1.desasignar_a_fiscal()
response = fiscal_client.get(
reverse('siguiente-accion') + modo_ub_querry_string)
assert response.url == reverse('carga-total',
args=[mc1.id]) + modo_ub_querry_string
carga = CargaFactory(mesa_categoria=mc1, tipo='total', origen='csv')
consumir_novedades_carga()
scheduler()
mc1.refresh_from_db()
assert mc1.status == MesaCategoria.STATUS.total_consolidada_dc # Porque la cant de cargas está en 1.
assert mc1.carga_testigo == carga
response = fiscal_client.get(
reverse('siguiente-accion') + modo_ub_querry_string)
# No hay actas para cargar, vuelta a empezar.
assert response.status_code == HTTPStatus.OK
assert 'No hay actas para cargar' in str(response.content)
def identificar_mesa(mesa, fiscal):
attach = AttachmentFactory()
identificar(attach, mesa, fiscal)
consolidar_identificaciones(attach)