【办公类-16-10-01】“2023下学期 中4班 自主游戏观察记录(python 排班表系列)

本文主要是介绍【办公类-16-10-01】“2023下学期 中4班 自主游戏观察记录(python 排班表系列),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

背景需求

上学期的周安排里,每班每周的自主游戏会轮到多个不同的内容

因此在每周的自主游戏观察有2次记录,观察的项目可以写不一样的,

如一位老师写沙水游戏,另一位写表演游戏

本学期,中班的自主游戏全部是户外的,并且每班每周5天玩同一个内容

因此《自主游戏观察记录表》的记录内容就会改变——

1、每周2篇记录都是同一个项目(如都是观察“建构”)

2、必须是户外游戏的内容(以前都是室内观察的内容)

为了更好的便于班主任进行游戏观察记录,我想预先就制作一个包含本班轮到的项目和场地提示说明。

参考资料

【办公类-19-03】办公中的思考——Python批量制作word单元格照片和文字(小照片系列)-CSDN博客文章浏览阅读826次。【办公类-19-03】办公中的思考——Python批量制作word单元格照片和文字(小照片系列)https://blog.csdn.net/reasonsummer/article/details/132747236

素材准备:

一、原始模板示例及需要修改的红色部分

1、删除其中的观察文字部分

2、需要替换的包括:周次、年级、班级号、教师1、教师2、

3、主要补充内容:在游戏观察部分增加“((游戏名称)(游戏场地))”,1周内的两次游戏观察内容是一样的

二、自主游戏观察记录模板

1、把相关内容改成{{XXX}}的样式

2、标题2行,所以导致表格延伸到第2页,这个需要反复测试,调整框架,确保每周的格子都在一页上。

三、EXCEL的内容

代码展示:

# -*- coding:utf-8 -*- 1 
'''
自主游戏观察记录模板-只有中四班
作者:阿夏
时间:2024年2月23日
'''
# 一、导入相关模块,设定excel所在文件夹和生成word保存的文件夹
from docxtpl import DocxTemplate
import pandas as pd
import os
import time
# print('----------第1步:制作路径----')
zpath=os.getcwd()+'\\'
zpath=r'C:\Users\jg2yXRZ\OneDrive\桌面\周计划\01自主游戏观察记录模板制作'+'\\'file_path=zpath+'零时\\'
# print(file_path)
# r'\零时Word'print('----------第2步:遍历excel,逐个生成word(form.docx是前面的模板)------------')
try:os.mkdir(file_path)
except:pass# tpl = DocxTemplate(zpath+'自主游戏观察记录模板.docx')
IDcard = pd.read_excel(zpath+'数据.xlsx')week=IDcard["week"] 
grade = IDcard["grade"]
number=IDcard["number"]
# str.rstrip()T1=IDcard["T1"]  # str.rstrip()用于去掉换行符
T2=IDcard["T2"]  # str.rstrip()用于去掉换行符
content=IDcard["content"]  # str.rstrip()用于去掉换行符# math = autho['math']
# eng = autho['eng']# 遍历excel行,逐个生成
num = IDcard.shape[0]
for i in range(num):context = {"week": week[i],"grade": grade[i],"number": number[i],  "T1": T1[i],"T2": T2[i],"content": content[i],  }tpl = DocxTemplate(zpath+'自主游戏观察记录模板.docx')tpl.render(context)# tpl.save(file_path+r"\{} 的身份证.docx".format(name[i]))
#tpl.save(file_path+"合并{}.docx".format('%02d'%week[i]))print('----------第3步:doc 文档合并------------') # 合并所有Word
import win32com.client as win32
import os
word = win32.gencache.EnsureDispatch('Word.Application')
#启动word对象应用
word.Visible = Falsefiles = []
for filename in os.listdir(file_path):filename = os.path.join(file_path,filename)files.append(filename)#新建合并后的文档(使用模板,进行12个文件夹的合并,把12个文件夹的内容贴到已有的模板(包含0.7边、四分栏))
output = word.Documents.Add()for file in files:output.Application.Selection.InsertFile(file)#拼接文档#获取合并后文档的内容doc = output.Range(output.Content.Start, output.Content.End)# 合并word
lspathall=zpath+'{}({})班自主游戏观察记录(202402-202406).docx'.format(grade[i],number[i])output.SaveAs(lspathall) #保存
output.Close()print('----------第4步:删除临时文件夹------------')    
import shutil
shutil.rmtree(file_path) #递归删除文件夹,即:删除非空文件夹

终端显示(主要步骤)

生成结果:

用这样的方法,可以快速生成一份本学期本班专用的《自主游戏观察记录表》。

这篇关于【办公类-16-10-01】“2023下学期 中4班 自主游戏观察记录(python 排班表系列)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/742207

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

hdu 2602 and poj 3624(01背包)

01背包的模板题。 hdu2602代码: #include<stdio.h>#include<string.h>const int MaxN = 1001;int max(int a, int b){return a > b ? a : b;}int w[MaxN];int v[MaxN];int dp[MaxN];int main(){int T;int N, V;s

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件