### 整合复杂搜索器功能到单个 Python 文件 要实现一个包含多选框、分数范围搜索、数据可视化、专业字段筛选以及颜色标注等功能的 Python 搜索器，并将其保存为可以直接运行的脚本文件，可以按照以下方式设计代码结构。 以下是完整的解决方案： #### 功能模块说明 1. **多选框设置**：通过 `tkinter` 实现 GUI 多选框交互。 2. **分数范围搜索**：利用 Pandas 数据库操作完成条件过滤[^1]。 3. **数据可视化**：借助 Matplotlib 或 Seaborn 完成图表绘制[^2]。 4. **专业字段筛选**：基于用户输入动态调整查询逻辑。 5. **颜色标注**：使用 ExcelWriter 和 openpyxl 库自定义单元格样式[^3]。 --- ```python import pandas as pd from tkinter import Tk, Label, Checkbutton, IntVar, Button, StringVar, Entry import matplotlib.pyplot as plt from openpyxl import Workbook from openpyxl.styles import PatternFill from openpyxl.utils.dataframe import dataframe_to_rows # 加载Excel数据 file_path = r'C:\Users\zhupe\Desktop\新建文件夹 (2)\山东理.xlsx' data = pd.read_excel(file_path) def apply_filters(): """应用所有筛选条件并导出结果""" selected_columns = [] min_score = float(min_score_var.get()) if min_score_var.get() != '' else None max_score = float(max_score_var.get()) if max_score_var.get() != '' else None # 获取勾选项列名 for col_name, var in checkbox_vars.items(): if var.get() == 1: selected_columns.append(col_name) filtered_data = data[selected_columns].copy() # 过滤分数范围 if min_score is not None and max_score is not None: filtered_data = filtered_data[(filtered_data['Score'] >= min_score) & (filtered_data['Score'] <= max_score)] # 颜色标注处理 wb = Workbook() ws = wb.active for row_idx, (_, row) in enumerate(dataframe_to_rows(filtered_data), start=1): for col_idx, value in enumerate(row, start=1): cell = ws.cell(row=row_idx, column=col_idx, value=value) if 'Highlight' in str(value): # 假设特定条件下高亮显示 cell.fill = PatternFill(start_color="FFFF00", end_color="FFFF00", fill_type="solid") output_file = "山东数据_输出.xlsx" wb.save(output_file) print(f"已成功保存至 {output_file}") # 创建GUI界面 root = Tk() root.title('山东数据') Label(root, text='选择字段').grid(row=0, column=0, sticky='w') checkbox_vars = {} for idx, col in enumerate(data.columns[:len(data.columns)]): var = IntVar() cb = Checkbutton(root, text=col, variable=var) cb.grid(row=idx+1, column=0, sticky='w') checkbox_vars[col] = var # 分数范围输入 min_score_label = Label(root, text="最低分:") min_score_label.grid(row=len(checkbox_vars)+1, column=0, sticky='e') min_score_var = StringVar() Entry(root, textvariable=min_score_var).grid(row=len(checkbox_vars)+1, column=1) max_score_label = Label(root, text="最高分:") max_score_label.grid(row=len(checkbox_vars)+2, column=0, sticky='e') max_score_var = StringVar() Entry(root, textvariable=max_score_var).grid(row=len(checkbox_vars)+2, column=1) Button(root, text="执行筛选", command=apply_filters).grid(row=len(checkbox_vars)+3, columnspan=2) # 启动GUI循环 root.mainloop() ``` --- #### 关键技术点解析 1. **Pandas 数据加载与筛选** 使用 Pandas 的强大功能读取 Excel 表格中的数据，并支持按指定条件进行灵活的数据筛选[^1]。 2. **Tkinter 图形化界面开发** 利用 Tkinter 构建简单的图形用户界面，允许用户通过多选框和文本框输入参数[^4]。 3. **Matplotlib 可视化扩展** 如果需要进一步增强用户体验，可以在程序中加入绘图功能，例如柱状图或折线图展示数据分析结果[^2]。 4. **openpyxl 单元格样式管理** 结合 openpyxl 对导出的 Excel 文件进行高级格式定制，比如背景填充颜色等效果[^3]。 ---