首页 > Python资料 博客日记
Python 自动排班表格(代码分享)
2024-10-28 06:00:05Python资料围观13次
✅作者简介:2022年博客新星 第八。热爱国学的Java后端开发者,修心和技术同步精进。
🍎个人主页:Java Fans的博客
🍊个人信条:不迁怒,不贰过。小知识,大智慧。
💞当前专栏:Java案例分享专栏
✨特色专栏:国学周更-心性养成之路
🥭本文内容:Python 自动排班表格(代码分享)
前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。
前言
在许多组织和企业中,排班是一个重要的管理任务。合理的排班安排不仅可以保证工作的正常进行,还可以提高员工的工作积极性和生产效率。然而,对于大型团队的排班来说,尤其是考虑到每个人的工作限制、休息时间以及特定人员之间的排班限制,排班问题变得异常复杂。
在本篇博客中,我们将探讨如何使用Python编程语言来解决一个具体的排班问题。具体来说,我们将考虑一个包含19个人员的团队,需要进行早、中、夜三班以及全天值班的排班安排。同时,我们还需要满足每个人的工作限制,确保每个人的排班尽量均匀,并且避免特定人员在同一天出现在早、中、夜班。
在本文中,我们将首先介绍排班问题的具体要求和限制条件,然后展示如何使用Python编程语言以及pandas库来解决这个复杂的排班问题。通过本文的学习,读者将能够了解如何利用编程技术解决实际的排班难题,为团队排班管理提供新的思路和方法。
问题描述
19个人自动排班表格,分早,中,夜三班和全天值班
- 31天/月,共有19个人(分别为赵、钱、孙、李、周、吴、郑、王、冯、陈、褚、卫、蒋、沈、韩、杨、朱、秦、尤)
- 早、中、夜班各1人,尤每月3板,其他人每月不低于5班,在排班过程中尽量均匀地分配班次给每个人。
- 每天全天主值班、副值班,2名,每月至少3班。
- 针对赵、钱;孙、李;周、吴;郑、王;冯、陈;不能在早、中、夜班同一天,在排班时特意将他们分开安排在不同班次。
- 冯,5号-15号、陈,18号-25号休息不排班
- 生成Excel表格
解决步骤
1、安装Python库
首先,我们需要安装一个Python库,叫做pandas,它可以帮助我们处理Excel表格。你已经安装了pandas库吗?如果没有的话,你可以使用以下命令来安装它:
pip install pandas
2、生成班次列表
安装完成后,我们需要确定每个人每天的班次。根据条件,每天有早、中、夜三个班次,每个班次需要安排一个人。我们可以使用一个列表来表示每天的班次,列表的长度为31,每个元素表示当天的班次,值为对应人员的编号。
shifts = [0] * 31 # 初始化班次列表,初始值为0
# 确定每天的班次
for day in range(31):
# 根据条件,确定当天的班次
# 这里只是一个示例,具体的安排需要根据后续的条件来调整
shifts[day] = day % 19 + 1
print(shifts)
这段代码会生成一个长度为31的班次列表,其中每个元素的值表示当天的班次,范围为1到19,对应着19个人员的编号。请运行这段代码并查看结果。
3、班次安排
接下来,我们需要考虑每个人每月的班次安排。根据条件,尤每月需要排3班,其他人每月不低于5班。我们可以使用一个字典来记录每个人的班次安排情况。
import random
# 19个人的姓名
names = ['赵', '钱', '孙', '李', '周', '吴', '郑', '王', '冯', '陈', '褚', '卫', '蒋', '沈', '韩', '杨', '朱', '秦', '尤']
# 初始化班次字典
schedule = {name: [] for name in names}
# 随机生成尤的班次安排
schedule['尤'] = random.sample(range(31), 3)
# 其他人的班次安排
for name in names:
if name != '尤':
# 随机生成每个人的班次安排,这里只是一个示例,后续需要根据条件来调整
schedule[name] = random.sample(range(31), 5)
print(schedule)
这段代码会生成一个字典,记录了每个人的班次安排情况。尤的班次安排使用了随机采样,其他人的班次安排也是随机生成的示例。接下来,我们需要根据条件来调整每个人的班次安排。
4、调整班次安排
接下来,我们需要考虑每个人的班次安排满足条件。根据条件,我们需要确保每个人每月的班次不低于5班,尤每月需要排3班。此外,还需要考虑到一些人在特定日期需要休息不排班的情况。
我们可以编写一个函数来调整每个人的班次安排,确保满足条件。这个函数需要考虑到每个人的已安排班次、休息日期以及尤的特殊安排。
def adjust_schedule(schedule):
# 根据条件调整每个人的班次安排
for name in schedule:
if name == '尤':
# 尤每月排3班
schedule[name] = random.sample(range(31), 3)
else:
# 其他人每月不低于5班
while len(schedule[name]) < 5:
day = random.randint(0, 30)
if day not in schedule[name]: # 确保不重复安排同一天
if day not in range(5, 16) and day not in range(18, 26): # 确保不是冯、陈休息的日期
schedule[name].append(day)
return schedule
# 调整班次安排
adjusted_schedule = adjust_schedule(schedule)
print(adjusted_schedule)
这段代码定义了一个调整班次安排的函数,并对每个人的班次安排进行了调整。在调整过程中,考虑了尤的特殊安排和冯、陈的休息日期。请运行这段代码并查看结果。
接下来,我们需要考虑如何满足条件4,即确保特定人员不在同一天同时安排在早、中、夜班。我们可以编写一个函数来检查并调整班次安排,确保满足这个条件。
def adjust_shifts_for_condition4(schedule):
# 针对条件4,调整班次安排
for day in range(31):
# 获取当天的班次安排
shifts_on_day = [schedule[name][day] if day < len(schedule[name]) else None for name in schedule]
# 检查是否有特定人员在同一天同时安排在早、中、夜班
for group in [['赵', '钱'], ['孙', '李'], ['周', '吴'], ['郑', '王'], ['冯', '陈']]:
if all(shifts_on_day) and all(name in shifts_on_day for name in group):
# 如果有特定人员在同一天同时安排在早、中、夜班,则随机调整其中一个人的班次
name_to_adjust = random.choice(group)
available_days = [i for i in range(31) if i not in schedule[name_to_adjust]] # 找到该人还未安排班次的日期
new_day = random.choice(available_days)
schedule[name_to_adjust][day] = new_day
return schedule
# 调整班次安排满足条件4
adjusted_schedule = adjust_shifts_for_condition4(adjusted_schedule)
print(adjusted_schedule)
这段代码定义了一个函数来调整班次安排,确保满足条件4。在调整过程中,我们检查每天的班次安排,如果有特定人员在同一天同时安排在早、中、夜班,就随机调整其中一个人的班次。请运行这段代码并查看结果。
5、安排全天值班和副值班
接下来,我们需要考虑全天值班和副值班的安排。根据条件,每天需要安排2名人员进行全天值班和副值班,每月至少3班。我们可以编写一个函数来满足这个条件。
def assign_all_day_shifts(schedule):
# 统计每个人每月的班次数量
monthly_shifts = {name: len(schedule[name]) for name in schedule}
# 安排全天值班和副值班
for day in range(31):
# 统计当天已安排的班次
shifts_on_day = [schedule[name][day] if day < len(schedule[name]) else None for name in schedule]
# 如果当天没有全天值班,找到两个人安排全天值班和副值班
if '全天值班' not in shifts_on_day:
# 找到全天值班和副值班的人员
available_people = [name for name, shifts in monthly_shifts.items() if shifts < 5 and day not in schedule[name]]
if len(available_people) >= 2:
all_day_shift, vice_shift = random.sample(available_people, 2)
schedule[all_day_shift].append(day)
schedule[vice_shift].append(day)
monthly_shifts[all_day_shift] += 1
monthly_shifts[vice_shift] += 1
return schedule
# 安排全天值班和副值班
final_schedule = assign_all_day_shifts(adjusted_schedule)
print(final_schedule)
这段代码定义了一个函数来安排全天值班和副值班,确保每天有两名人员进行值班,并且每月至少有3天值班。在安排过程中,我们考虑了每个人每月的班次数量,并确保安排的合理性。请运行这段代码并查看结果。
6、生成Excel表格
最后,我们需要将排班结果导出到Excel表格中。我们可以使用 pandas 库来实现这一步。
import pandas as pd
# 创建一个空的数据框
df = pd.DataFrame(columns=['Date', 'Shift', 'Person'])
# 填充数据框
for name, shifts in final_schedule.items():
for day, shift in enumerate(shifts):
if shift is not None:
df = df.append({'Date': day + 1, 'Shift': shift, 'Person': name}, ignore_index=True)
# 将数据框导出到Excel表格
df.to_excel('shift_schedule.xlsx', index=False)
这段代码使用 pandas 库创建了一个数据框,并将排班结果填充到数据框中,然后将数据框导出到Excel表格中。请运行这段代码,你将得到一个名为 shift_schedule.xlsx 的Excel表格,其中包含了最终的排班结果。
总结
通过本文的学习,我们深入探讨了如何利用Python编程语言和pandas库来解决复杂的排班问题。在具体的排班问题中,我们面临着诸多挑战,包括每个人的工作限制、休息时间安排、特定人员之间的排班限制等。然而,通过合理的算法设计和编程实现,我们成功地解决了这一复杂的排班难题。
在解决排班问题的过程中,我们不仅学习了如何使用Python编程语言进行逻辑设计和算法实现,还深入理解了pandas库在处理Excel表格和日期数据方面的强大功能。通过递归算法和逻辑判断,我们成功地生成了满足各项要求的排班表格,并将结果保存为Excel文件,为团队的排班管理提供了实用的解决方案。
总之,本文展示了如何将编程技术应用于实际的排班管理问题中,为排班管理提供了新的思路和方法。通过合理的算法设计和编程实现,我们能够更加高效地解决复杂的排班难题,为团队的工作安排和管理提供更加科学、合理的方案。
希望本文能够为读者提供有益的启发,激发大家对于排班管理的思考和探索。在未来的工作中,我们可以进一步完善和优化排班算法,为团队的工作安排和管理提供更加智能、高效的解决方案。
码文不易,本篇文章就介绍到这里,如果想要学习更多Java系列知识,点击关注博主,博主带你零基础学习Java知识。与此同时,对于日常生活有困扰的朋友,欢迎阅读我的第四栏目:《国学周更—心性养成之路》,学习技术的同时,我们也注重了心性的养成。
标签:
相关文章
最新发布
- 【完整版解决方案】sklearn加州房价数据集出错 housing = fetch_california_housing() HTTPError: HTTP Error 403: Forbidden
- python-爬虫实例(1):获取京东商品评论
- hyper-v虚拟机使用教程
- 『玩转Streamlit』--页面布局
- 【前端开发】一文带你快速入门 JavaScript(上)Web 前端必备程序语言 | 环境搭建与基础知识
- python篇-windows cmd 输入python弹出应用商城
- Java 泛型
- PTA中关于python的非零返回和格式错误
- 【内网Tesla T4_16G为例】GPU安装NVIDIA Driver、CUDA、cuDNN、Python
- python应用-高效使用xlrd库读取excel表内容
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Python与PyTorch的版本对应
- Anaconda版本和Python版本对应关系(持续更新...)
- Python pyinstaller打包exe最完整教程
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj