Moyenne olympique

Le championnat d'Europe de la bourrée auvergnate a été organisé à Nantes.

A l'issue de sa chorégraphie, chaque athlète reçoit une note de chacun des $n$ juges, le nombre de juges étant obligatoirement supérieur à $3$.

La note finale est calculée selon la méthode de la moyenne olympique : on enlève les deux notes extrêmes et on calcule la moyenne des $n - 2$ notes restantes.

Les notes sont des nombres entiers entre 0 et 10 inclus l'un et l'autre.

Vous devez aider les organisateurs à donner la note finale en créant une fonction moyenne_olympique qui prend en paramètre un tableau contenant les notes d'au moins trois juges et renvoie la moyenne olympique attendue.

Contraintes

On n'utilisera pas les fonctions Python max, min, sort, sorted ni sum.

Exemples

>>> notes_1 = [2, 0, 2, 10, 2]
>>>  moyenne_olympique(notes_1)
2.0
>>> notes_2 = [1, 1, 1, 1, 1, 1]
>>> moyenne_olympique(notes_2)
1.0
>>> notes_3 = [5, 1, 4, 3, 2, 6]
>>> moyenne_olympique(notes_3)
3.5

Comparaison de nombres flottants

Lorsqu'on écrit a = x ou x est un nombre réel, la valeur de a enregistrée en machine est une valeur approchée de x (quelques fois la valeur exacte). Cette valeur approchée a la forme d'un nombre flottant (le type float en Python). En conséquence, alors que des calculs et des comparaisons peuvent être effectués de manière exacte sur des réels, ils ne le sont que de manière approchée sur leur représentation en machine. On peut donc obtenir par exemple, avec a = x et b = y, l'expression a == b évaluée à True alors que x et y sont différents.

C'est pourquoi les tests ne vérifient pas l'égalité des résultats et des valeurs attendues mais leur proximité.

Ainsi, on peut vérifier que $\sqrt{2} \approx 1,414214$ en faisantassert abs(1.414214 - sqrt(2)) < 1e-6. Ce test vérifie que les deux valeurs sont proches à $10^{-6}$ près.

Évaluations restantes : 10/10

.65038.128013.9875s3_8èufvIy n7aS1me(P24:jtwi]D[hE)6o;bcdg/0lqBp.rL-,=+k95Rxé050P0u0B0q0D0T0d0n0O0T0q0d0d0$010B0D0W010406050d0i0t0t0q0Y0m040r0L0T0i110L0o0n020q0t0W0M0n0+0u1b0Y0U0i0u0d050R181a1c1e160W041C1J051M0R1M1O1J160P0D0k0_0{0}0 0H0D0Q0H0T1$0H0B14050;0N0T0u1X0|0~011#1%1)1%0B1/1;1-0B0N0L0P1e1.0Y1K0B0H0_1h0d0W0q0o0 0x011?1Z010j0?0u0o1p0u1-2e2g2l1^2o1;2r0t2t040b0n0w0Y0L0W0L0d0D1k1m0/2c0Y0Y0u0O2O1C2v0o1K0R2a2!0B2827290P2x0 1)0o2q2L1-1U1W0`1@2.0D2:0o241V1-0W2T1K2Y2!35172f1m2_2m2~0Y1b0T140n0s2X3915382w3b1^3d3f3h0x3k2g3m2Y2-013r0q3g040n0e3v2Z163y3p0 3B3D0n0y3H3x393z3N3h0*3R3J3T3L3A0L3e3C3h0K3Y3n3a1Y3q3%3s3E0p3,3K3/3M3;3)3E0g3^3!3`3$3(3O0)403o423V040s0S473.2`433=0s3j1D3l3Z484g4a0s3u4l3w1L331C2@2%0P2+3z0O242D0.1V1K320u343l3R054D0/4L4o2m0(140/0j4N3_4g0C3h4Y414p0j140t0L0m2q2:0f1h0m1q0D1y0u4%4S1^13040v4{4f3c142~0B1A513z4~0J0z3Y0n5e0n3-3U540N0f0A0i0Q574t2Z5g4Z2m0L140$3R5s4(3c0N142A583#4~505q4R523q540L561B5J5h5G140J5d5f5S494+2|0D5y5Y4g5v045x5J5z4|3M5N5P5F424~0G5?4g0t0D144d5R5t4}140E5W5e5(53041b0,5$5-671^5*5,355.5L5:04555p37610 5^5`2m5|5~6t6204645J065f6j5i040B5O3C5%6q016g6K5A1^6v045 356C5X6L4U040j3%6O5/3A5;4`6d6L0L4#042|6$6k6(6m5O6o4M6L4~5c6B6D6D6e6l6H0;0T6;3z5*0%6h3l6E3#0o6)656 71016Y0D4X6+6P6l6n763#5*020T0B0M7r5Z695#6x6r146}6U6 7H7c7z5|0o6c6i7i6N7n6%7e6@567g706X147l7y4p7f7R6=7t0Q7w7#686a7N6`7o016|7W7I7i7T7/7-6f5w7}7p6^7g7i6Y2T0B0i0Y0o807?145I6p7=7T736J7(77140!8b7{7B8k7s8m8o4+0q6b7C8c045V8r425*0R8b5H8y7T0o5k5m5o5Q7O6,8t8C5{5}044s8f6%5a3,0R4P4K4v8%0R4y1C0B4A8,2)2#23252%0q1:8)4y1I5K3z2T0t0f0j0q0(0u0f0H0e141u1w4_0^7F4M1P3m0H0x0n0D0P0 230i0`0u0!0i7M4_140V0L9p1;0n9t4^1z050q3z0H0u0q0/0Y2/4U0n0H2T0j0 039o9q9s9u1z2k110B1;0 0w0u3(2}0B0n9N140c0a1C0q2!9i3m1J0w9y0Y0n0Y0-0d9y0P2T0_0:0n0u0,9*0O0D0O0u0#9k0T0n920T0{2N9 2U9I0Y0Oaq9.1A0n0k3C0u880^7L0D3f1=a77/aEag0W0i0D0^0O3C0O0i1;9~0{0n4,4.0o2:0X1L9`040lai1A9-2K0}0D8_0n0P001j0?aM9*0n2(0LaM0n9V1;0dag1ba}aUa21i2O0n322J2L0-1=0q0k2U9B2:0n0daz9Aa 1=0W9*2C9-2QaC5|blaT1=2~0t0Na5a;2|0d2(9p2O0da!9g8|0I1m2Tax0oasafa:2g0^b0a:az0,0_0|agaU4D1q1;6b0B0-bZ9.003C0Q3%2N0H2CaobG1=2/0=2TbL1S059i9k9m015#113CaM0q2O0!0P0i0!bv190!0:cfchaH19140l7Mca1)0dcd0D1la:0iaV5#0t19a8btcBcp0t9F9H9J9L9/9P9R9Tc90DcbcwcecgcicDckcmcYcJ9!2N9%019)9+2q9-9/049;9?9^0xa$0FbWau2R0Y1$0-agczcTcVb~1=cj0tcGc}cJ0nbfbhaU4J5|0ha5ax1;88cAa`8^1;0qcB1y0Da8bG0n0Q1c2g110n2~1m0k9l1=ad0Dc2a$0Zav6n0^0-0;0o9-b*32a^0^c/a50Sda4cd21mds0Y0=a+cB0-dz1;2CdTbk1=bxdG9~2Qae0^dlaz0Y0^2Kdn0T00d4cvcxczcw0oaNd+2|56a:009*2T88dL1T1V9H1*1|1+2u7=2z2q2s142F0r0Oc 0W9-0w0m2a1l4N4J5K364M8$8}7d5!7M8b7Q8P7=6R4c4e6F7|8S5u7 e$6Q8U6T4m1CeO8(2!8{4x0:0=0@04.