Python比较与抽取64位

Python比较与抽取64位是一款python随机抽取对比查找软件，查找谁没填表、重复填表的同学，随机抽取名单，苦于班级事务繁多，在大学里有一堆的表要填，同时总是有同学没看到消息而不填表，本工具诞生于这样的条件下。

软件说明

根本目的为了知道谁没填表，谁重复填表了。
不仅如此，很多需要平均分配的任务还需要随机抽人（班里分出去了教改班的几个同学和原班级）

需要：python（或嵌入式python）

需要的库：
pandas【核心】（同时因为pandas的原因需要numpy与openpyxl）
os
sys
random

目录架构及解释说明：

__Python比较与抽取.exe：主程序，当然你也可以根据python的传参自行调用，随便你
compare.py：核心文件，主要的运算均在此处
in.xlsx：输入要进行运算的学生姓名
例：

ref.xlsx：参考用的表格
格式如下：

out.xlsx：输出用的表格（均为姓名）

Python源码

注：python因为个人习惯的原因写了一大堆传参……
在作者看来python就应该专注于运算，别的GUI，判断运行环境啥的还是交给aardio（粘合剂）吧

[/font][/size]

[size=4][font=微软雅黑]import os

import random

import sys

import pandas as pd

def Initialize():

    ref_t_lack = pd.read_excel(

        os.getcwd() + "\\ref.xlsx",

        header=None

    )

    ref_s_lack = set()

    for i in range(len(ref_t_lack)):

        ref_s_lack.add(ref_t_lack.iloc[i][0])

    ref_s_all = ref_s_lack.copy()

    for i in ["AAA", "BBB", "CCC", "DDD", "EEE"]: # 此处应为教改班同学的姓名

        ref_s_all.add(i)

    in_t = pd.read_excel(os.getcwd() + "\\in.xlsx", header=None)

    in_s = set()

    for i in range(len(in_t)):

        in_s.add(in_t.iloc[i][0])

    try:

        os.remove(os.getcwd() + "\\out.xlsx")

    except:

        pass

    out_t = pd.DataFrame()

    return ref_s_lack, ref_t_lack, ref_s_all, in_t, in_s, out_t

def filter(mode: int,

           ref_s_lack: set,

           ref_t_lack: pd.DataFrame,

           ref_s_all: set,

           in_t: pd.DataFrame,

           in_s: set,

           out_t: pd.DataFrame,

           num_pick: int):

    re = in_t.duplicated()

    for i in range(len(re)):

        temp = re.iloc[i]

        if(temp == True):

            print(in_t.iloc[i][0] + "重复")

        if(i == (len(re) - 1)):

            print("查重已完成", end="\n\n")

    result_lack = ref_s_lack - in_s

    result_all = ref_s_all - in_s

    if (mode == 0):  # 查人除教改班

        out_t = pd.concat([out_t, pd.Series(list(result_lack))],

                          axis=0, ignore_index=True)

        print("除教改查人完毕")

    elif (mode == 1):  # 查人全体

        out_t = pd.concat([out_t, pd.Series(list(result_all))],

                          axis=0, ignore_index=True)

        print("全体查人完毕")

    if (mode == 20):  # 混排除教改班(剩)

        temp = list(result_lack)

        random.shuffle(temp)

        temp = pd.DataFrame(temp)

        out_t = pd.concat([out_t, temp], axis=0, ignore_index=True)

        print("剩下的同学混排完毕(除教改)")

    elif (mode == 21):  # 混排全体(剩)

        temp = list(result_all)

        random.shuffle(temp)

        temp = pd.DataFrame(temp)

        out_t = pd.concat([out_t, temp], axis=0, ignore_index=True)

        print("剩下的同学混排完毕(全体)")

    if (mode == 30):  # 混排输入(全)

        temp = list(in_s)

        random.shuffle(temp)

        temp = pd.DataFrame(temp)

        out_t = pd.concat([out_t, temp], axis=0, ignore_index=True)

        print("输入名单混排完毕")

    elif (mode == 31):  # 混排全体(除教改)(全)

        temp = list(ref_s_lack)

        random.shuffle(temp)

        temp = pd.DataFrame(temp)

        out_t = pd.concat([out_t, temp], axis=0, ignore_index=True)

        print("全体混排完毕(除教改)")

    elif (mode == 32):  # 混排全体(全)(全)

        temp = list(ref_s_all)

        random.shuffle(temp)

        temp = pd.DataFrame(temp)

        out_t = pd.concat([out_t, temp], axis=0, ignore_index=True)

        print("全体混排完毕(含教改)")

    if (mode == 40):  # 随机抽人(除教改)

        out_t = pd.concat([out_t, pd.DataFrame(random.sample(list(ref_s_lack), k=num_pick))],

                          axis=0, ignore_index=True)

        print("随机抽人(除教改)已完成，共抽取{}人".format(num_pick))

    elif (mode == 41):  # 随机抽人(全)

        out_t = pd.concat([out_t, pd.DataFrame(random.sample(list(ref_s_all), k=num_pick))],

                          axis=0, ignore_index=True)

        print("随机抽人(全)已完成，共抽取{}人".format(num_pick))

    elif (mode == 42):  # 随机抽人(男)(除教改)

        temp_list = []

        for i in range(len(ref_t_lack)):

            if (ref_t_lack.iloc[i][2] == "男"):

                temp_list.append(ref_t_lack.iloc[i][0])

        out_t = pd.concat([out_t, pd.DataFrame(random.sample(temp_list, k=num_pick))],

                          axis=0, ignore_index=True)

        print("随机抽人(男)(除教改)已完成，共抽取{}人".format(num_pick))

    elif (mode == 43):  # 随机抽人(女)(除教改)

        temp_list = []

        for i in range(len(ref_t_lack)):

            if (ref_t_lack.iloc[i][2] == "女"):

                temp_list.append(ref_t_lack.iloc[i][0])

        out_t = pd.concat([out_t, pd.DataFrame(random.sample(temp_list, k=num_pick))],

                          axis=0, ignore_index=True)

        print("随机抽人(女)(除教改)已完成，共抽取{}人".format(num_pick))

    out_t.to_excel(os.getcwd() + "\\out.xlsx", header=None, index=False)

mode = int(sys.argv[1])

try:

    num_pick = int(sys.argv[2])

except:

    num_pick = pd.NA

ref_s_lack, ref_t_lack, ref_s_all, in_t, in_s, out_t = Initialize()

filter(mode, ref_s_lack, ref_t_lack, ref_s_all, in_t, in_s, out_t, num_pick)