【办公类-112-01】20250827儿童基本情况登记（运用deepseek的Python编程，实现excle数据匹配和提取判断）

背景需求：

保健老师打了两个语音电话，需求是：利用园园通下载托、小新生的所有数据，然后拆分成一个个班级的xlsx名单，发给新生班主任，班主任填写“儿童基本情况登记表”，发给保健老师。

因为还有十几位孩子8月新生数据没有进入园园通，所以我没有全部的数据，因此准备明天（26日）再登陆网页，看看数据完整情况。

但是下午，我想到之前有新插班生的人工填写上报数据（园园通不能园所自主添加孩子，都是上级把数据导入系统）。我完全可以把下载的园园通幼儿信息与手动填写数据合并。新生人数就满了（小班都是25人，6个班都满员了）

分析发现：

1、已有信息：

这张表姓名、性别、身份证号、出生年月、现居住地址（家庭地址）、家长姓名、手机号。都是可以直接从园园通下载的EXCEL里面找到相应的列。

2、学号：

园园通没有办法输入学号，所以下载excel中孩子有班级无学号，

所以根据”姓名“与“班级信息表（含有学号和姓名的点名册）”进行vlookup匹配。

3、户籍所在地（✔判断）：

下载的园园通表格只有“户口省市、城市、地区”

所以需要根据”户口所在地区”判断

（1）如果是闵行区，就在"本区”勾选

（2）如果是上海其他区，就在“外区”勾选

        '黄浦区', '徐汇区', '长宁区', '静安区', '普陀区', '虹口区', '杨浦区',

        '浦东新区', '宝山区', '嘉定区', '金山区', '松江区', '青浦区', '奉贤区', '崇明区'    

如果“户口所在身份”非上海市”，就在“外地”勾选

思考完成后，开始具体操作

实现步骤：

1、园园通下载已有的新生名单，托班、小班新生正好在一分院、二分院

下载两个园区的所有新生名单

样式标题是

开始正式代码：

思路：

1：园园通下载的两个园区的新生名单

2：合并两个名单变成一个名单+手动补充插班生名单。

3：把带有学号的22个班级工作表的“班级信息表，放到这个文件夹里

4：匹配”班级信息表“和”园园通托小班信息合并“两个表中的姓名，把学号添加到”园园通托小班信息合并“的最左侧。获得匹配学号的xlsx

5：读取"匹配学号的xlsx"所有列和“2025学年出入园儿童基本信息表”，按照班级学号，把指定的信息写入“2025年表”，另存到（托小）2025的文件夹里。

6：因为现居住地址（都是闵行区）的长度太长，尝试去除重复的文字，缩减地址（少量重复词删除，居委会删除不了），可能考虑添加固定词组进行检索）本次还是老师手动删减

2.把两份xlsx合并在一起。

'''
20250825_2025_学年出入所（园）儿童基本情况登记  表一空  01
1、下载园园通新生名册.xls,把两个新生名册合并在一起
2、部分插班生信息手动添加
deepseek，阿夏
20250827
'''

import pandas as pd
import os
import re

def merge_and_format_excel():
    # 定义文件路径
    path = r'C:\Users\jg2yXRZ\OneDrive\桌面\_2025_学年出入所（园）儿童基本情况登记  表一空'
    folder_path = path + r"\园园通下载"
    output_path = path + r'\园园通托小班信息合并.xlsx'
    
    # 获取文件夹中的所有Excel文件
    excel_files = [f for f in os.listdir(folder_path) if f.endswith(('.xlsx', '.xls'))]
    
    if len(excel_files) < 2:
        print("234文件夹中Excel文件数量不足2个")
        return
    
    # 读取所有Excel文件
    dfs = []
    for file in excel_files[:2]:  # 只处理前两个文件
        file_path = os.path.join(folder_path, file)
        df = pd.read_excel(file_path)
        dfs.append(df)
        print(f"已读取文件: {file}")
    
    # 合并数据
    merged_df = pd.concat(dfs, ignore_index=True)
    
    # 格式化班级列（处理所有班级类型）
    def format_class_name(class_name):
        if pd.isna(class_name):
            return class_name
        
        class_str = str(class_name)
        
        # 定义班级类型和对应的前缀
        class_types = {
            '托班': '托', '托': '托',
            '小班': '小', '小': '小', 
            '中班': '中', '中': '中',
            '大班': '大', '大': '大'
        }
        
        # 中文数字到阿拉伯数字的映射
        chinese_to_arabic = {
            '一': '1', '二': '2', '三': '3', '四': '4', '五': '5',
            '六': '6', '七': '7', '八': '8', '九': '9', '十': '10',
            '1': '1', '2': '2', '3': '3', '4': '4', '5': '5',
            '6': '6', '7': '7', '8': '8', '9': '9', '10': '10'
        }
        
        # 尝试匹配各种班级格式
        patterns = [
            r'([托小中大])班(\S+?)班',  # 如：大班一班
            r'([托小中大])(\S+?)班',    # 如：大一班
            r'(\S+?)([托小中大])班',    # 如：一班大班
            r'([托小中大])班',          # 如：大班（没有具体班号）
        ]
        
        for pattern in patterns:
            match = re.search(pattern, class_str)
            if match:
                if len(match.groups()) >= 2:
                    # 有班级类型和班号
                    class_type = match.group(1)
                    class_num = match.group(2)
                    
                    # 获取班级前缀
                    prefix = class_types.get(class_type, class_type)
                    
                    # 转换班号
                    if class_num in chinese_to_arabic:
                        num = chinese_to_arabic[class_num]
                        return f"{prefix}{num}班"
                    else:
                        return f"{prefix}{class_num}班"
                else:
                    # 只有班级类型，没有班号
                    class_type = match.group(1)
                    prefix = class_types.get(class_type, class_type)
                    return f"{prefix}班"
        
        # 如果没有匹配到任何模式，返回原值
        return class_str
    
    # 查找包含班级信息的列
    class_columns = [col for col in merged_df.columns if any(keyword in col for keyword in ['班', 'class', '班级'])]
    
    if class_columns:
        for class_col in class_columns:
            print(f"检测到班级列: {class_col}")
            merged_df[class_col] = merged_df[class_col].apply(format_class_name)
    else:
        print("未检测到班级列，跳过格式转换")
    
    # 保存合并后的文件
    merged_df.to_excel(output_path, index=False)
    print(f"文件已保存至: {output_path}")
    print(f"合并完成，共{len(merged_df)}条记录")
    
    # 显示一些样本数据以供验证
    print("\n前5条数据的班级信息：")
    if class_columns:
        for class_col in class_columns:
            print(f"{class_col}列的前5个值：")
            print(merged_df[class_col].head().tolist())

# 执行函数
if __name__ == "