Update app.py

app.py

@@ -1,3 +1,567 @@
+import gradio as gr
+import camelot
+import pandas as pd
+import matplotlib.pyplot as plt
+import numpy as np
+from fpdf import FPDF
+from fpdf.enums import XPos, YPos
+import tempfile
+import os
+import matplotlib
+import shutil
+import colorsys
+from datetime import datetime
+matplotlib.use('Agg')
+
+# Configurações globais
+ESCALA_MAXIMA_NOTAS = 12
+LIMITE_APROVACAO_NOTA = 5
+LIMITE_APROVACAO_FREQ = 75
+BIMESTRES = ['1º Bimestre', '2º Bimestre', '3º Bimestre', '4º Bimestre']
+CONCEITOS_VALIDOS = ['ES', 'EP', 'ET']
+
+# Definição das disciplinas de formação básica
+FORMACAO_BASICA = {
+    'fundamental': {
+        'LINGUA PORTUGUESA',
+        'MATEMATICA',
+        'HISTORIA',
+        'GEOGRAFIA',
+        'CIENCIAS',
+        'LINGUA ESTRANGEIRA INGLES',
+        'ARTE',
+        'EDUCACAO FISICA'
+    },
+    'medio': {
+        'LINGUA PORTUGUESA',
+        'MATEMATICA',
+        'HISTORIA',
+        'GEOGRAFIA',
+        'BIOLOGIA',
+        'FISICA',
+        'QUIMICA',
+        'INGLÊS',
+        'FILOSOFIA',
+        'SOCIOLOGIA',
+        'ARTE',
+        'EDUCACAO FISICA'
+    }
+}
+
+def detectar_nivel_ensino(disciplinas):
+    """Detecta se é ensino fundamental ou médio baseado nas disciplinas presentes."""
+    disciplinas_set = set(disciplinas)
+    disciplinas_exclusivas_medio = {'BIOLOGIA', 'FISICA', 'QUIMICA', 'FILOSOFIA', 'SOCIOLOGIA'}
+    return 'medio' if any(d in disciplinas_set for d in disciplinas_exclusivas_medio) else 'fundamental'
+
+def separar_disciplinas_por_categoria(disciplinas_dados):
+    """Separa as disciplinas em formação básica e diversificada."""
+    disciplinas = [d['disciplina'] for d in disciplinas_dados]
+    nivel = detectar_nivel_ensino(disciplinas)
+    
+    formacao_basica = []
+    diversificada = []
+    
+    for disc_data in disciplinas_dados:
+        if disc_data['disciplina'] in FORMACAO_BASICA[nivel]:
+            formacao_basica.append(disc_data)
+        else:
+            diversificada.append(disc_data)
+    
+    return {
+        'nivel': nivel,
+        'formacao_basica': formacao_basica,
+        'diversificada': diversificada
+    }
+
+def converter_nota(valor):
+    """Converte valor de nota para float, tratando casos especiais e conceitos."""
+    if pd.isna(valor) or valor == '-' or valor == 'N' or valor == '' or valor == 'None':
+        return None
+    
+    if isinstance(valor, str):
+        valor_limpo = valor.strip().upper()
+        if valor_limpo in CONCEITOS_VALIDOS:
+            conceitos_map = {'ET': 10, 'ES': 8, 'EP': 6}
+            return conceitos_map.get(valor_limpo)
+        
+        try:
+            return float(valor_limpo.replace(',', '.'))
+        except:
+            return None
+    
+    if isinstance(valor, (int, float)):
+        return float(valor)
+    
+    return None
+
+def calcular_media_bimestres(notas):
+    """Calcula média considerando apenas bimestres com notas válidas."""
+    notas_validas = [nota for nota in notas if nota is not None]
+    if not notas_validas:
+        return 0
+    return sum(notas_validas) / len(notas_validas)
+
+def calcular_frequencia_media(frequencias):
+    """Calcula média de frequência considerando apenas bimestres cursados."""
+    freq_validas = []
+    for freq in frequencias:
+        try:
+            if isinstance(freq, str):
+                freq = freq.strip().replace('%', '').replace(',', '.')
+            if freq and freq != '-':
+                valor = float(freq)
+                if valor > 0:
+                    freq_validas.append(valor)
+        except:
+            continue
+    
+    if not freq_validas:
+        return 0
+    return sum(freq_validas) / len(freq_validas)
+
+def extrair_tabelas_pdf(pdf_path):
+    """Extrai tabelas do PDF usando stream apenas para o nome e lattice para notas."""
+    try:
+        # Extrair nome do aluno usando stream
+        tables_header = camelot.read_pdf(
+            pdf_path,
+            pages='1',
+            flavor='stream',
+            edge_tol=500
+        )
+        
+        info_aluno = {}
+        
+        # Procurar apenas o nome do aluno
+        for table in tables_header:
+            df = table.df
+            for i in range(len(df)):
+                for j in range(len(df.columns)):
+                    texto = str(df.iloc[i,j]).strip()
+                    if 'Nome do Aluno' in texto:
+                        try:
+                            if j + 1 < len(df.columns):
+                                nome = str(df.iloc[i,j+1]).strip()
+                            elif i + 1 < len(df):
+                                nome = str(df.iloc[i+1,j]).strip()
+                            if nome and nome != 'Nome do Aluno:':
+                                info_aluno['nome'] = nome
+                                break
+                        except:
+                            continue
+        
+        # Extrair tabela de notas usando lattice
+        tables_notas = camelot.read_pdf(
+            pdf_path,
+            pages='all',
+            flavor='lattice'
+        )
+        
+        # Encontrar tabela de notas (procurar a maior tabela com 'Disciplina')
+        df_notas = None
+        max_rows = 0
+        
+        for table in tables_notas:
+            df_temp = table.df
+            if len(df_temp) > max_rows and 'Disciplina' in str(df_temp.iloc[0,0]):
+                max_rows = len(df_temp)
+                df_notas = df_temp.copy()
+                df_notas = df_notas.rename(columns={
+                    0: 'Disciplina',
+                    1: 'Nota B1', 2: 'Freq B1', 3: '%Freq B1', 4: 'AC B1',
+                    5: 'Nota B2', 6: 'Freq B2', 7: '%Freq B2', 8: 'AC B2',
+                    9: 'Nota B3', 10: 'Freq B3', 11: '%Freq B3', 12: 'AC B3',
+                    13: 'Nota B4', 14: 'Freq B4', 15: '%Freq B4', 16: 'AC B4',
+                    17: 'CF', 18: 'Nota Final', 19: 'Freq Final', 20: 'AC Final'
+                })
+        
+        if df_notas is None:
+            raise ValueError("Tabela de notas não encontrada")
+        
+        # Adicionar apenas o nome ao DataFrame
+        df_notas.attrs['nome'] = info_aluno.get('nome', 'Nome não encontrado')
+        
+        return df_notas
+        
+    except Exception as e:
+        print(f"Erro na extração das tabelas: {str(e)}")
+        raise
+        
+def obter_disciplinas_validas(df):
+    """Identifica disciplinas válidas no boletim com seus dados."""
+    colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4']
+    colunas_freq = ['%Freq B1', '%Freq B2', '%Freq B3', '%Freq B4']
+    
+    disciplinas_dados = []
+    
+    for _, row in df.iterrows():
+        disciplina = row['Disciplina']
+        if pd.isna(disciplina) or disciplina == '':
+            continue
+        
+        notas = []
+        freqs = []
+        bimestres_cursados = []
+        
+        for i, (col_nota, col_freq) in enumerate(zip(colunas_notas, colunas_freq), 1):
+            nota = converter_nota(row[col_nota])
+            freq = row[col_freq] if col_freq in row else None
+            
+            if nota is not None or (freq and freq != '-'):
+                bimestres_cursados.append(i)
+                notas.append(nota if nota is not None else 0)
+                freqs.append(freq)
+            else:
+                notas.append(None)
+                freqs.append(None)
+        
+        if bimestres_cursados:
+            media_notas = calcular_media_bimestres(notas)
+            media_freq = calcular_frequencia_media(freqs)
+            
+            disciplinas_dados.append({
+                'disciplina': disciplina,
+                'notas': notas,
+                'frequencias': freqs,
+                'media_notas': media_notas,
+                'media_freq': media_freq,
+                'bimestres_cursados': bimestres_cursados
+            })
+    
+    return disciplinas_dados
+
+def gerar_paleta_cores(n_cores):
+    """Gera uma paleta de cores distintas para o número de disciplinas."""
+    cores_base = [
+        '#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd',
+        '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22', '#17becf',
+        '#393b79', '#637939', '#8c6d31', '#843c39', '#7b4173'
+    ]
+    
+    if n_cores > len(cores_base):
+        HSV_tuples = [(x/n_cores, 0.7, 0.85) for x in range(n_cores)]
+        cores_extras = ['#%02x%02x%02x' % tuple(int(x*255) for x in colorsys.hsv_to_rgb(*hsv)) 
+                       for hsv in HSV_tuples]
+        return cores_extras
+    
+    return cores_base[:n_cores]
+
+def plotar_evolucao_bimestres(disciplinas_dados, temp_dir, titulo=None, nome_arquivo=None):
+    """Plota gráfico de evolução das notas por bimestre com visualização refinada."""
+    n_disciplinas = len(disciplinas_dados)
+    
+    if n_disciplinas == 0:
+        raise ValueError("Nenhuma disciplina válida encontrada para plotar.")
+    
+    plt.figure(figsize=(11.69, 8.27))
+    
+    cores = gerar_paleta_cores(n_disciplinas)
+    marcadores = ['o', 's', '^', 'D', 'v', '<', '>', 'p', 'h', '*']
+    estilos_linha = ['-', '--', '-.', ':', '-', '--', '-.', ':', '-', '--']
+    
+    plt.grid(True, linestyle='--', alpha=0.3, zorder=0)
+    
+    # Deslocamento ainda menor e mais refinado
+    deslocamentos = np.linspace(-0.03, 0.03, n_disciplinas)
+    
+    # Estrutura para armazenar as posições das anotações já utilizadas
+    anotacoes_usadas = {}  # formato: {bimestre: [(y, texto)]}
+    
+    # Primeira passagem: coletar todos os valores e determinar grupos
+    grupos_notas = {}  # {bimestre: {nota: [índices]}}
+    for idx, disc_data in enumerate(disciplinas_dados):
+        notas = pd.Series(disc_data['notas'])
+        bimestres_cursados = disc_data['bimestres_cursados']
+        
+        if bimestres_cursados:
+            notas_validas = [nota for i, nota in enumerate(notas, 1) if i in bimestres_cursados and nota is not None]
+            bimestres = [bim for bim in bimestres_cursados if notas[bim-1] is not None]
+            
+            for bim, nota in zip(bimestres, notas_validas):
+                if nota is not None:
+                    if bim not in grupos_notas:
+                        grupos_notas[bim] = {}
+                    if nota not in grupos_notas[bim]:
+                        grupos_notas[bim][nota] = []
+                    grupos_notas[bim][nota].append(idx)
+
+    # Segunda passagem: plotar e anotar
+    for idx, disc_data in enumerate(disciplinas_dados):
+        notas = pd.Series(disc_data['notas'])
+        bimestres_cursados = disc_data['bimestres_cursados']
+        desloc = deslocamentos[idx]
+        
+        if bimestres_cursados:
+            notas_validas = [nota for i, nota in enumerate(notas, 1) if i in bimestres_cursados and nota is not None]
+            bimestres = [bim for bim in bimestres_cursados if notas[bim-1] is not None]
+            bimestres_deslocados = [bim + desloc for bim in bimestres]
+            
+            if notas_validas:
+                # Plotar linha e pontos
+                plt.plot(bimestres_deslocados, notas_validas,
+                        color=cores[idx % len(cores)],
+                        marker=marcadores[idx % len(marcadores)],
+                        markersize=7,
+                        linewidth=1.5,
+                        label=disc_data['disciplina'],
+                        linestyle=estilos_linha[idx % len(estilos_linha)],
+                        alpha=0.8)
+                
+                # Adicionar anotações com posicionamento otimizado
+                for bim_orig, bim_desloc, nota in zip(bimestres, bimestres_deslocados, notas_validas):
+                    if nota is not None:
+                        # Verificar se é o primeiro índice para esta nota neste bimestre
+                        if grupos_notas[bim_orig][nota][0] == idx:
+                            # Determinar posição vertical da anotação
+                            if bim_orig not in anotacoes_usadas:
+                                anotacoes_usadas[bim_orig] = []
+                            
+                            # Encontrar posição vertical disponível
+                            y_base = nota
+                            y_offset = 10
+                            texto = f"{nota:.1f}"
+                            
+                            # Verificar sobreposição com anotações existentes
+                            while any(abs(y - (y_base + y_offset/20)) < 0.4 for y, _ in anotacoes_usadas.get(bim_orig, [])):
+                                y_offset += 5
+                            
+                            # Adicionar anotação
+                            plt.annotate(texto,
+                                       (bim_orig, nota),
+                                       textcoords="offset points",
+                                       xytext=(0, y_offset),
+                                       ha='center',
+                                       va='bottom',
+                                       fontsize=8,
+                                       bbox=dict(facecolor='white',
+                                               edgecolor='none',
+                                               alpha=0.8,
+                                               pad=0.5))
+                            
+                            anotacoes_usadas[bim_orig].append((nota + y_offset/20, texto))
+    
+    # Usar título personalizado se fornecido
+    titulo_grafico = titulo or 'Evolução das Médias por Disciplina ao Longo dos Bimestres'
+    plt.title(titulo_grafico, pad=20, fontsize=12, fontweight='bold')
+    
+    plt.xlabel('Bimestres', fontsize=10)
+    plt.ylabel('Notas', fontsize=10)
+    plt.xticks([1, 2, 3, 4], ['1º Bim', '2º Bim', '3º Bim', '4º Bim'])
+    plt.ylim(0, ESCALA_MAXIMA_NOTAS)
+    
+    # Adicionar linha de aprovação
+    plt.axhline(y=LIMITE_APROVACAO_NOTA, color='r', linestyle='--', alpha=0.3)
+    plt.text(0.02, LIMITE_APROVACAO_NOTA + 0.1, 'Média mínima para aprovação',
+             transform=plt.gca().get_yaxis_transform(), color='r', alpha=0.5)
+    
+    # Ajustar legenda
+    if n_disciplinas > 8:
+        plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', fontsize=8,
+                  ncol=max(1, n_disciplinas // 12))
+    else:
+        plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', ncol=1)
+    
+    plt.tight_layout()
+    
+    # Usar nome de arquivo personalizado se fornecido
+    nome_arquivo = nome_arquivo or 'evolucao_notas.png'
+    plot_path = os.path.join(temp_dir, nome_arquivo)
+    plt.savefig(plot_path, bbox_inches='tight', dpi=300)
+    plt.close()
+    return plot_path
+
+def plotar_graficos_destacados(disciplinas_dados, temp_dir):
+    """Plota gráficos de médias e frequências com destaques."""
+    n_disciplinas = len(disciplinas_dados)
+    
+    if not n_disciplinas:
+        raise ValueError("Nenhuma disciplina válida encontrada no boletim.")
+    
+    # Criar figura
+    plt.figure(figsize=(12, 10))
+    
+    disciplinas = [d['disciplina'] for d in disciplinas_dados]
+    medias_notas = [d['media_notas'] for d in disciplinas_dados]
+    medias_freq = [d['media_freq'] for d in disciplinas_dados]
+    
+    # Criar subplot com mais espaço entre os gráficos
+    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), height_ratios=[1, 1])
+    plt.subplots_adjust(hspace=0.5)  # Aumentar espaço entre os gráficos
+    
+    # Definir cores baseadas nos limites de aprovação
+    cores_notas = ['red' if media < LIMITE_APROVACAO_NOTA else '#2ecc71' for media in medias_notas]
+    cores_freq = ['red' if media < LIMITE_APROVACAO_FREQ else '#2ecc71' for media in medias_freq]
+    
+    # Calcular médias globais
+    media_global = np.mean(medias_notas)
+    freq_global = np.mean(medias_freq)
+    
+    # Gráfico de notas
+    barras_notas = ax1.bar(disciplinas, medias_notas, color=cores_notas)
+    ax1.set_title('Média de Notas por Disciplina', pad=20, fontsize=12, fontweight='bold')
+    ax1.set_ylim(0, ESCALA_MAXIMA_NOTAS)
+    ax1.grid(True, axis='y', alpha=0.3, linestyle='--')
+    
+    # Melhorar a apresentação dos rótulos
+    ax1.set_xticklabels(disciplinas, rotation=45, ha='right', va='top')
+    ax1.set_ylabel('Notas', fontsize=10, labelpad=10)
+    
+    # Adicionar linha de média mínima
+    ax1.axhline(y=LIMITE_APROVACAO_NOTA, color='r', linestyle='--', alpha=0.3)
+    ax1.text(0.02, LIMITE_APROVACAO_NOTA + 0.1, 'Média mínima (5,0)',
+             transform=ax1.get_yaxis_transform(), color='r', alpha=0.7)
+    
+    # Valores nas barras de notas
+    for barra in barras_notas:
+        altura = barra.get_height()
+        ax1.text(barra.get_x() + barra.get_width()/2., altura,
+                f'{altura:.1f}',
+                ha='center', va='bottom', fontsize=8)
+    
+    # Gráfico de frequências
+    barras_freq = ax2.bar(disciplinas, medias_freq, color=cores_freq)
+    ax2.set_title('Frequência Média por Disciplina', pad=20, fontsize=12, fontweight='bold')
+    ax2.set_ylim(0, 110)
+    ax2.grid(True, axis='y', alpha=0.3, linestyle='--')
+    
+    # Melhorar a apresentação dos rótulos
+    ax2.set_xticklabels(disciplinas, rotation=45, ha='right', va='top')
+    ax2.set_ylabel('Frequência (%)', fontsize=10, labelpad=10)
+    
+    # Adicionar linha de frequência mínima
+    ax2.axhline(y=LIMITE_APROVACAO_FREQ, color='r', linestyle='--', alpha=0.3)
+    ax2.text(0.02, LIMITE_APROVACAO_FREQ + 1, 'Frequência mínima (75%)',
+             transform=ax2.get_yaxis_transform(), color='r', alpha=0.7)
+    
+    # Valores nas barras de frequência
+    for barra in barras_freq:
+        altura = barra.get_height()
+        ax2.text(barra.get_x() + barra.get_width()/2., altura,
+                f'{altura:.1f}%',
+                ha='center', va='bottom', fontsize=8)
+    
+    # Título global com informações de média
+    plt.suptitle(
+        f'Desempenho Geral\nMédia Global: {media_global:.1f} | Frequência Global: {freq_global:.1f}%',
+        y=0.98, fontsize=14, fontweight='bold'
+    )
+    
+    # Aviso de risco de reprovação se necessário
+    if freq_global < LIMITE_APROVACAO_FREQ:
+        plt.figtext(0.5, 0.02,
+                   "Atenção: Risco de Reprovação por Baixa Frequência",
+                   ha="center", fontsize=11, color="red", weight='bold')
+    
+    plt.tight_layout()
+    
+    # Salvar o gráfico
+    plot_path = os.path.join(temp_dir, 'medias_frequencias.png')
+    plt.savefig(plot_path, bbox_inches='tight', dpi=300)
+    plt.close()
+    
+    return plot_path
+
+def gerar_relatorio_pdf(df, disciplinas_dados, grafico_basica, grafico_diversificada, grafico_medias):
+    """Gera relatório PDF com os gráficos e análises."""
+    pdf = FPDF()
+    pdf.set_auto_page_break(auto=True, margin=15)
+    
+    # Primeira página - Informações e Formação Básica
+    pdf.add_page()
+    pdf.set_font('Helvetica', 'B', 18)
+    pdf.cell(0, 10, 'Relatório de Desempenho Escolar', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='C')
+    pdf.ln(15)
+    
+    # Informações do aluno
+    pdf.set_font('Helvetica', 'B', 12)
+    pdf.cell(0, 10, 'Informações do Aluno', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.line(10, pdf.get_y(), 200, pdf.get_y())
+    pdf.ln(5)
+    
+    # Mostrar apenas o nome
+    if hasattr(df, 'attrs') and 'nome' in df.attrs:
+        pdf.set_font('Helvetica', 'B', 11)
+        pdf.cell(30, 7, 'Nome:', 0, 0)
+        pdf.set_font('Helvetica', '', 11)
+        pdf.cell(0, 7, df.attrs['nome'], 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT)
+    
+    pdf.ln(10)
+    
+    # Data do relatório
+    data_atual = datetime.now().strftime('%d/%m/%Y')
+    pdf.set_font('Helvetica', 'I', 10)
+    pdf.cell(0, 5, f'Data de geração: {data_atual}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='R')
+    pdf.ln(15)
+    
+    # Gráfico de evolução da formação básica
+    pdf.set_font('Helvetica', 'B', 14)
+    pdf.cell(0, 10, 'Evolução das Notas - Formação Geral Básica', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.line(10, pdf.get_y(), 200, pdf.get_y())
+    pdf.ln(10)
+    pdf.image(grafico_basica, x=10, w=190)
+    
+    # Segunda página - Parte Diversificada
+    pdf.add_page()
+    pdf.set_font('Helvetica', 'B', 14)
+    pdf.cell(0, 10, 'Evolução das Notas - Parte Diversificada', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.line(10, pdf.get_y(), 200, pdf.get_y())
+    pdf.ln(10)
+    pdf.image(grafico_diversificada, x=10, w=190)
+    
+    # Terceira página - Médias e Frequências
+    pdf.add_page()
+    pdf.set_font('Helvetica', 'B', 14)
+    pdf.cell(0, 10, 'Análise de Médias e Frequências', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.line(10, pdf.get_y(), 200, pdf.get_y())
+    pdf.ln(10)
+    pdf.image(grafico_medias, x=10, w=190)
+    
+    # Quarta página - Análise Detalhada
+    pdf.add_page()
+    pdf.set_font('Helvetica', 'B', 14)
+    pdf.cell(0, 10, 'Análise Detalhada', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.line(10, pdf.get_y(), 200, pdf.get_y())
+    pdf.ln(10)
+    
+    # Calcular médias globais
+    medias_notas = [d['media_notas'] for d in disciplinas_dados]
+    medias_freq = [d['media_freq'] for d in disciplinas_dados]
+    media_global = np.mean(medias_notas)
+    freq_global = np.mean(medias_freq)
+    
+    # Resumo geral
+    pdf.set_font('Helvetica', 'B', 12)
+    pdf.cell(0, 7, 'Resumo Geral:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.ln(5)
+    
+    pdf.set_font('Helvetica', '', 11)
+    pdf.cell(0, 7, f'Média Global: {media_global:.1f}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.cell(0, 7, f'Frequência Global: {freq_global:.1f}%', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.ln(10)
+    
+    # Avisos Importantes
+    pdf.set_font('Helvetica', 'B', 12)
+    pdf.cell(0, 10, 'Pontos de Atenção:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
+    pdf.ln(5)
+    
+    pdf.set_font('Helvetica', '', 10)
+    
+    # Disciplinas com baixo desempenho
+    disciplinas_risco = []
+    for disc_data in disciplinas_dados:
+        avisos = []
+        if disc_data['media_notas'] < LIMITE_APROVACAO_NOTA:
+            avisos.append(f"Média de notas abaixo de {LIMITE_APROVACAO_NOTA} ({disc_data['media_notas']:.1f})")
+        if disc_data['media_freq'] < LIMITE_APROVACAO_FREQ:
+            avisos.append(f"Frequência abaixo de {LIMITE_APROVACAO_FREQ}% ({disc_data['media_freq']:.1f}%)")
+        
+        if avisos:
+            disciplinas_risco.append((disc_data['disciplina'], avisos))
+    
+    if disciplinas_risco:
+        for disc, avisos in disciplinas_risco:
+            pdf.set_font('Helvetica', 'B', 10)
             pdf.cell(0, 7, f'- {disc}:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L')
             pdf.set_font('Helvetica', '', 10)
             for aviso in avisos: