针对提供的Python代码，以下是对其的优化和完善建议： ### 一、模块导入及全局设置 1. **简化导入语句**：将不必要的导入删除或合并。 ```python import pandas as pd from collections import defaultdict from openpyxl import Workbook ``` 2. **添加日志记录功能**：使用`logging`模块替代简单的`print`调试输出，方便后续维护和排查错误。 ```python import logging logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') ``` ### 二、函数优化 #### （一）`read_input` 函数 1. **参数化配置**：将如缺失列提示等配置项参数化，便于灵活调整。 2. **增强异常处理机制**：增加对文件路径不存在等特殊情况的处理，并且捕获更详细的异常信息。 ```python def read_input(file_path, required_columns={'构件编号', '构件厚度（mm）', '构件宽度（mm）', '构件长度（mm）', '构件数量'}): try: logging.info(f"尝试读取文件: {file_path}") df = pd.read_excel(file_path, engine='openpyxl') logging.debug("原始读取的表头: %s", df.columns.tolist()) df.columns = df.columns.str.strip().str.replace(' ', '') logging.debug("清理后的表头: %s", df.columns.tolist()) missing_cols = required_columns - set(df.columns) if missing_cols: raise ValueError(f"缺少必要列: {', '.join(missing_cols)}") logging.info("数据行数（清理前）: %d", len(df)) df = df.dropna(subset=['构件宽度（mm）', '构件长度（mm）', '构件数量']) df = df[(df['构件宽度（mm）'] > 0) & (df['构件长度（mm）'] > 0) & (df['构件数量'] > 0)] logging.info("数据行数（清理后）: %d", len(df)) return df.to_dict('records') except FileNotFoundError: logging.error("指定路径下的文件不存在，请检查路径是否正确。") return None except Exception as e: logging.error("文件读取失败: %s", str(e)) return None ``` #### （二）`process_data` 函数 1. **重构为类方法**：如果项目规模扩大或者有多个类似任务需要执行时，可以考虑将其封装成一个类的方法，以提高代码复用性和可扩展性。 2. **减少重复计算**：在计算每块板材所需数量时，避免了重复遍历所有组件来求和的操作。 ```python class DataProcessor: @staticmethod def process_data(input_data): thickness_groups = defaultdict(list) for comp in input_data: thickness_groups[comp['构件厚度（mm）']].append(comp) results = [] for thickness, comps in sorted(thickness_groups.items()): layouts = arrange_components(comps) for idx, layout in enumerate(layouts, 1): component_desc = "\n".join( f"[{'横' if item['direction'] == '横向' else '纵'}]{item['piece_id']}(W:{item['width']}×L:{item['length']})×{item['qty']}" for item in layout["构件组合"] ) # 直接从layout中获取总数量 num_plates = max(layout["总数量"] // layout["单板容量"], 1) results.append({ "板材宽度(mm)": layout["板材宽度"], "板材长度(mm)": layout["板材长度"], "板材数量": num_plates, "排版方式": component_desc, "总数量": layout["总数量"], "利用率(%)": layout["利用率"] }) logging.debug("处理后的数据示例:\n%s", results[:5]) return results ``` #### （三）`arrange_components` 函数 1. **移除冗余定义**：存在两个同名但实现不同的`arrange_components`函数，应保留并优化其中一个版本。 2. **优化算法逻辑**：改进原有循环结构，在每次选择最适合放入当前板材的构件时采用更高效的策略；同时修正单板容量的更新规则。 ```python def arrange_components(components): """优化后的排版算法，返回详细排版信息""" plate_widths = [1500, 1800] # 可配置的不同规格板材宽度 plate_length = 3000 # 固定板材长度 epsilon = 1e-5 # 浮点数比较容差 def get_best_fit_component(available_space, remaining_comps): best_fit = None for comp in remaining_comps: if abs(available_space - comp['构件宽度（mm）']) < epsilon: return comp elif available_space >= comp['构件宽度（mm）']: if best_fit is None or \ (best_fit['构件宽度（mm）'] < comp['构件宽度（mm）'] and abs(available_space - comp['构件宽度（mm）']) < abs(available_space - best_fit['构件宽度（mm）'])): best_fit = comp return best_fit results = [] for target_width in plate_widths: single_plate_capacity = 0 # 单板容量初始化 used_components = [{**comp, 'original_qty': comp['构件数量']} for comp in components] while any(c['构件数量'] > 0 for c in used_components): current_layout = { "板材宽度": target_width, "板材长度": plate_length, "使用宽度": 0, "构件组合": [], "单板容量": 0, "总数量": 0 } available_space = target_width while available_space > 0: selected_comp = get_best_fit_component(available_space, [c for c in used_components if c['构件数量'] > 0]) if selected_comp is None: break direction = "横向" if selected_comp['构件长度（mm）'] >= selected_comp['构件宽度（mm）'] else "纵向" placed_qty = min(selected_comp['构件数量'], 100) # 每次最多放置100个相同构件 current_layout["构件组合"].append({ "piece_id": selected_comp['件号'], "qty": placed_qty, "width": selected_comp['构件宽度（mm）'], "length": selected_comp['构件长度（mm）'], "direction": direction }) available_space -= selected_comp['构件宽度（mm）'] current_layout["使用宽度"] += selected_comp['构件宽度（mm）'] single_plate_capacity += placed_qty current_layout["单板容量"] = single_plate_capacity current_layout["总数量"] += placed_qty selected_comp['构件数量'] -= placed_qty # 计算利用率 total_area = target_width * plate_length used_area = sum([c['width'] * c['length'] * c['qty'] for c in current_layout["构件组合"]]) utilization_rate = round((used_area / total_area) * 100, 2) current_layout["利用率"] = utilization_rate results.append(current_layout) return results ``` #### （四）`save_to_excel` 函数 1. **利用Pandas库简化写入流程**：通过`DataFrame`对象直接导出到Excel表格，使代码更加简洁易懂。 ```python def save_to_excel(results, output_path): """保存结果到Excel""" df = pd.DataFrame(results) writer = pd.ExcelWriter(output_path, engine='xlsxwriter') # 排版方案表 df.to_excel(writer, sheet_name="排版方案", index=False) worksheet = writer.sheets['排版方案'] worksheet.set_column('D:D', 60) # 设置排版方式列为较宽格式 worksheet.set_column('B:B', 12) # 设置板材宽度列为适中格式 writer.close() logging.info(f"排版方案已保存至: {output_path}") ``` ### 三、主函数调用 最后，在主函数中实例化`DataProcessor`类进行数据处理： ```python if __name__ == "__main__": input_path = r"C:\Users\Administrator\Desktop\ai\构件.xlsx" output_path = r"C:\Users\Administrator\Desktop\ai\result.xlsx" input_data = read_input(input_path) if not input_data: logging.error("没有读取到有效数据，程序终止。") else: processor = DataProcessor() processed_results = processor.process_data(input_data) if not processed_results: logging.error("数据处理后为空，检查排版逻辑。") else: save_to_excel(processed_results, output_path) ``` 以上是对这段代码的主要优化建议，包括但不限于引入日志系统、优化函数设计以及简化某些复杂的业务逻辑。希望这些建议能够帮助提升代码质量和效率。