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

.65038.9875.1280133ytbIq)4_7uj:k8s(ar5.lRLv21m+ép;=cxSi,6fdg[he P]èow/n0ED-B9050R0V0f0u0N0y0s0W0K0y0u0s0s0J010f0N0H010406050s0n0E0E0u0v0e040M0!0y0n110!0%0W020u0E0H0I0W0z0V1b0v0i0n0V0s050$181a1c1e160H041C1J051M0$1M1O1J160R0N0B0_0{0}0 0U0N0S0U0y1$0U0f14050;0g0y0V1X0|0~011#1%1)1%0f1/1;1-0f0g0!0R1e1.0v1K0f0U0_1h0s0H0u0%0 0C011?1Z010Q0?0V0%1p0V1-2e2g2l1^2o1;2r0E2t040c0W0X0v0!0H0!0s0N1k1m0/2c0v0v0V0K2O1C2v0%1K0$2a2!0f2827290R2x0 1)0%2q2L1-1U1W0`1@2.0N2:0%241V1-0H2T1K2Y2!35172f1m2_2m2~0v1b0y140W0D2X3915382w3b1^3d3f3h0C3k2g3m2Y2-013r0u3g040W0d3v2Z163y3p0 3B3D0W0k3H3x393z3N3h0w3R3J3T3L3A0!3e3C3h0P3Y3n3a1Y3q3%3s3E0m3,3K3/3M3;3)3E0r3^3!3`3$3(3O0-403o423V040D0(473.2`433=0D3j1D3l3Z484g4a0D3u4l3w1L331C2@2%0R2+3z0K242D0.1V1K320V343l3R054D0/4L4o2m0q140/0Q4N3_4g0#3h4Y414p0Q140E0!0e2q2:0l1h0e1q0N1y0V4%4S1^13040t4{4f3c142~0f1A513z4~0j0p3Y0W5e0W3-3U540g0l0o0n0S574t2Z5g4Z2m0!140J3R5s4(3c0g142A583#4~505q4R523q540!561B5J5h5G140j5d5f5S494+2|0N5y5Y4g5v045x5J5z4|3M5N5P5F424~0T5?4g0E0N144d5R5t4}140Y5W5e5(53041b0L5$5-671^5*5,355.5L5:04555p37610 5^5`2m5|5~6t6204645J065f6j5i040f5O3C5%6q016g6K5A1^6v045 356C5X6L4U040Q3%6O5/3A5;4`6d6L0!4#042|6$6k6(6m5O6o4M6L4~5c6B6D6D6e6l6H0;0y6;3z5*0F6h3l6E3#0%6)656 71016Y0N4X6+6P6l6n763#5*020y0f0I7r5Z695#6x6r146}6U6 7H7c7z5|0%6c6i7i6N7n6%7e6@567g706X147l7y4p7f7R6=7t0S7w7#686a7N6`7o016|7W7I7i7T7/7-6f5w7}7p6^7g7i6Y2T0f0n0v0%807?145I6p7=7T736J7(77140+8b7{7B8k7s8m8o4+0u6b7C8c045V8r425*0$8b5H8y7T0%5k5m5o5Q7O6,8t8C5{5}044s8f6%5a3,0$4P4K4v8%0$4y1C0f4A8,2)2#23252%0u1:8)4y1I5K3z2T0E0l0Q0u0q0V0l0U0d141u1w4_0^7F4M1P3m0U0C0W0N0R0 230n0`0V0+0n7M4_140,0!9p1;0W9t4^1z050u3z0U0V0u0/0v2/4U0W0U2T0Q0 039o9q9s9u1z2k110f1;0 0X0V3(2}0f0W9N140b0a1C0u2!9i3m1J0X9y0v0W0v0G0s9y0R2T0_0:0W0V0L9*0K0N0K0V0O9k0y0W920y0{2N9 2U9I0v0Kaq9.1A0W0B3C0V880^7L0N3f1=a77/aEag0H0n0N0^0K3C0K0n1;9~0{0W4,4.0%2:0x1L9`040hai1A9-2K0}0N8_0W0R001j0?aM9*0W2(0!aM0W9V1;0sag1ba}aUa21i2O0W322J2L0G1=0u0B2U9B2:0W0saz9Aa 1=0H9*2C9-2QaC5|blaT1=2~0E0ga5a;2|0s2(9p2O0sa!9g8|0)1m2Tax0%asafa:2g0^b0a:az0L0_0|agaU4D1q1;6b0f0GbZ9.003C0S3%2N0U2CaobG1=2/0=2TbL1S059i9k9m015#113CaM0u2O0+0R0n0+bv190+0:cfchaH19140h7Mca1)0scd0N1la:0naV5#0E19a8btcBcp0E9F9H9J9L9/9P9R9Tc90NcbcwcecgcicDckcmcYcJ9!2N9%019)9+2q9-9/049;9?9^0Ca$0*bWau2R0v1$0GagczcTcVb~1=cj0EcGc}cJ0WbfbhaU4J5|0Za5ax1;88cAa`8^1;0ucB1y0Na8bG0W0S1c2g110W2~1m0B9l1=ad0Nc2a$0Aav6n0^0G0;0%9-b*32a^0^c/a50(da4cd21mds0v0=a+cB0Gdz1;2CdTbk1=bxdG9~2Qae0^dlaz0v0^2Kdn0y00d4cvcxczcw0%aNd+2|56a:009*2T88dL1T1V9H1*1|1+2u7=2z2q2s142F0M0Kc 0H9-0X0e2a1l4N4J5K364M8$8}7d5!7M8b7Q8P7=6R4c4e6F7|8S5u7 e$6Q8U6T4m1CeO8(2!8{4x0:0=0@04.