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

.9875.128013.65038fe)61ipmSvk(q5rxd;Po/aR l+é[8Ly7I_3:-tg.=swcB,è]hD2nEb0j94u050t0e0O0y0i0B0S0A0U0B0y0S0S0R010O0i0j010406050S0-0k0k0y0r0H040l0w0B0-110w0$0A020y0k0j0u0A0z0e1b0r0p0-0e0S050x181a1c1e160j04051J1C1M0x1J160t0i0m0_0{0}0 0Z0i0P0Z0B1!0Z0O14050;0(0B0e1V0|0~011Z1#1%1#0O1-1/1+0O0r1K0O0Z0_1h0S0j0y0$0 0#011;1X010d0?0e0$1p0e1+27292e1?2h1/2k0k2m040b0A0v0r0w0j0w0S0i1k1m0/250r0r0e0U2H1C2o0$1K0x232T2022211,0t2q0 1%0$2j2E1+1S1U0`1=2%0i2)0$0w2-1+0j2M1K2R2T2~17281m2/2f2@0r1b0B140A0h2Q3215312p341?36383a0#3d293f2R2$013k0y39040A0L3o2S163r3i0 3u3w0A0,3A3q323s3G3a0q3K3C3M3E3t0w373v3a0g3R3g331W3j3W3l3x0I3#3D3(3F3*3Y3x0F3.3T3:3V3X3H0+3_3h3{3O040h0)403%2:3|3+0h3c1D3e3S4149430h3n4e3p1N2|1C2-2W0t222#3U0U2^2w0.1T1K2{0e2}3e3K054x0/4F4h2f0n140/0d4H3/490T3a4S3`4i0d140k0w0H2j2)0K1h0H1q0i1y0e4X4M1?13040o4=4835142@0O1A4{3s4^0f0M3R0A580A3$3N4~0(0K0*0-0P514m2S5a4T2f0w140R3K5m4Y350(142t523U4^4`5k4L4|3j4~0w501B5D5b5A140f57595M424#2=0i5s5S495p045r5D5t4?3F5H5J5z3{4^0E5-490k0i14465L5n4@140Y5Q585Y4}041b0s5W5%611?5!5$2~5(5F5*044 5j305{0 5/5;2f5?5^6n5|045~5D06596d5c040O5I3v5X6k016a6E5u1?6p045_2~6w5R6F4O040d3W6I5)3t5+4;676F0w4V042=6W6e6Y6g5I6i4G6F4^566v6x6x686f6B0;0B6+3s5!0C6b3e6y3U0$6Z5 6_6{016S0i4R6#6J6f6h703U5!020B0O0u7l5T635V6r6l146@6O6_7B767t5?0$666c7c6H7h6X786.507a6`6R147f7s4i797L6,7n0P7q7V62647H6;7i016?7Q7C7c7N7)7%695q7@7j6/7a7c6S2M0O0-0r0$7`7-145C6j7,7N6}6D7Y71140N857=7v8e7m8g8i4#0y657w86045P8l3{5!0x855B8s7N0$5e5g5i5K7I6$8n8w5=5@044l896X543#0x4J4E4o8X0x4r1C0O4t8$2Z2U0y1.8Z4r1I5E3s2M0k0K0d0y0n0e0K0Z0L141u1w4:0^7z4G1P3f0Z0#0A0i0t0 0(0w0-0`0e0N0-7G4:140V9g9i0A9l4/1z050y3s0Z0e0y0/0r2(4O0A0Z2M0d0 039f9h1/9k9m1z2d110O1/0 0v0e3X2?0O0A9E140a0c1C0y2T993f1J0v9g0r0A0r0D0S9g0t2M0_0:0A0e0s9Y0U0i0U0e0W9b0B0A8_0B0{2G9@2N9z0r0Uai9$1A0A0m3v0e820^7F0i381:9 7)awa80j0-0i0^0U3v0U0-1/9?0{0A4$4(0$2)0Q1N9/040Jaa1A9#2D0}0i8-0A0t001j0?aE9Y0A200waE0A9M9i0Sa81ba=aM9`1i2H0A2{2C2E0D1:0y0m2N9s2)0A0Sar1/a?9qbf0j9Y2v9#2Jau5?bdaL1:2@0k0(9}a)2=0S209h2H0SaS978:0%1m2Map0$aka7a(290^1/0^0/0-0s0_0|a8aM4x1q1/650O0Da(1:0B003v0P3W2G0Z2vagbzb+2=0=2MbE1Q05999b9d015V113vaE0y2H0N0t0-0Nbo190N0:caccaz19140J7Gc51%0Sc80i1la(0-aN5V0k19a0bmcwck0k9w9y9A9C9%9G9I9Kc40ic6crc9cbcdcycfchcTcE9S2G9V019X9Z2j9#9%049)9+9-0#aU0!bPam2K0r1!0Da8cucOcQb+1:ce0kcBc^cE0Ab7b9aM4D5?0X9}ap1/82cva/8,1/0ycw1y0ia0bz0A0P1c29110A2@1m0m9c1:a50ib}aU0Gan6h0^0D0;0$9#b!2{a-0^c*9}0)d545c}1mdn0r0=aZcw0Ddu1/2vdObc1:bqdB9?2Ja60^dgar0r0^2Ddib,c cqcscucr0$aFd$2=50a(009Y2M82dG1R1T9y1(1`1)2n7,2s2j2l142y0l0Uc`0j9#0v0H231l4H4D5E2 4G8W8;775U7G857K8J7,6L45476z7?8M5o7_eW6K8O6N4f1CeI8Y2T8/4q0:0=0@04.