给6900名新生编学号:我用Python做了一件手工要干3天的事

"今年新生6900多个，学号要按学院、专业、班级分级编码，用Excel一个个手动拼，怎么也得搞三天……"

开学第一周，教务老师愁眉苦脸来找我。

我说：让我的学生来做。

两节课，一份脱敏名单，一段Python代码——

6900个唯一学号，批量生成，导出Excel，全程不到5分钟。

但这堂课真正教给学生的，远不止"怎么用pandas读表格"。

一、先定规则，再写代码

很多初学者上来就想敲代码。我们没有。

第一步：把问题拆清楚。

本次新生是2026年入学，学号结构我们和学生一起定：

26 | 01 | 01 | 01 | 01

年份   学院   专业   班级   学生编号

第一层：入学年份（固定 = "26"）

第二层：二级学院代码（2位，共7个学院）

第三层：专业代码（2位，学生自主制定，同学院内从01编起）

第四层：班级代码（2位，按专业招生规模划分，每班约40人）

第五层：班级内学生编号（2位，班内从01连续编号）

📌 教学提示：这一步通常被学生忽略，但它恰恰是最重要的。代码是工具，规则才是灵魂。拿到任何数据任务，先用白话把逻辑说清楚，再动手写代码。

二、四步实现：从名单到学号

第一步：读取脱敏名单

我们给了学生一份Excel格式的新生名单（已脱敏），用 pandas 读取：

现在我们已经不用手敲代码了，既然要读取表格，那肯定是要给AI下指令的：

“根据我提供的Excel表格，用pandas读取其中内容。”

运行后，学生看到熟悉的表格结构出现在终端里，第一个小成就感来了。

第二步：建立编码映射字典

college_code = {     "智能制造学院": "01",     "财经学院": "02",     "车辆工程学院": "03",     "教育学院": "04",     "人工智能学院": "05",     "健康学院": "06",     "建筑工程学院": "07" }  

# 专业代码（学生自主制定，示例） 

major_code = {     "大数据技术与应用": "01",     "人工智能技术应用": "02",     "电子商务": "01",     "汽车检测与维修技术": "01",     "学前教育": "01" }

这一步看似简单，实际上学生要先统计全校所有专业名称，确保字典里的key和名单字段名完全一致——少一个空格都会报错。

这是他们第一次真正理解：数据清洗，比写代码更花时间。

第三步：批量生成学号（核心）

各专业分配班级应该基于平均分配的原则，但通常一个班级不应该低于30人；

首先对每个专业的学生进行分班，然后统计各个专业班级的数量。

基于以下规则编制表格中学生的学号：（略，学生自行填入）

跑通的那一刻，学生的反应大概是："就这？这么快？"

第四步：导出Excel

output_cols = ["姓名", "学院名称", "专业名称", "班级代码", "学生编号", "学号"] df_expanded[output_cols].to_excel("2026级新生学号生成结果.xlsx", index=False) print(f"✅ 完成！共生成 {len(df_expanded)} 个学号，文件已导出。")

通过AI辅助编码，Excel文件出现在文件夹里。

教务老师拿到文件的第一句话是："这要让我手动做，真的要搞三天。"

三、这堂课真正教给学生的三件事

01 任何复杂问题，都可以被拆解

6900个学号听起来很大。但拆开看：也就四步

——每一步都不难。

难的是在动手之前，把问题想清楚。

02 工具是手段，思路是核心

有同学问："老师，我直接让AI帮我生成代码不行吗？"

我的回答：可以，但有前提——你得知道自己要什么。

如果你连规则都说不清，AI给你的代码，你也看不懂，更不会调。

AI辅助的本质：人先有思路，工具帮你落地。

四、这套逻辑，不只用在学校

同样的"规则制定+批量生成唯一编码"逻辑，在真实工作中到处都是：

🏢 企业HR系统：员工工号（部门+入职年份+序号）

🛍️ 电商平台：订单号（日期+仓库+流水号）

🏥 医院系统：门诊编号（科室+日期+序号）

🎓 学校教务：毕业证编号、档案编号

如果你或你的团队，还在用Excel手动拼这些编号——这篇文章的思路，改改提示词就能直接用。

最缺的不是代码，而是用代码解决真实问题的完整经历。

这次实践的意义，不只是生成了6900个学号。

而是每个学生在调通代码的那一刻，都真实地感受到了一件事：

原来我也可以用AI辅助代码，解决真实世界里的问题。

写在最后

这堂课，没有复杂的语法堆砌，却让每一位学生都参与到了真实的数据处理流程中。

他们不仅学会了pandas的基础操作，更重要的是建立了数据思维和问题拆解能力—— 这比记住 100 个代码语法更有价值。

作为教师，我们总希望能给学生的，不只是课本上的知识，更是解决实际问题的能力。

有没有一种可能，目前的AI辅助编程工具（类似Trae，Workbuddy等）就是未来的office，成为每个职场人的必备工具？

📣 如果这篇文章对你有帮助，转发给同样在教Python、学Python的朋友。

💬 评论区告诉我：你在工作中有哪些重复性的数据工作，想用Python解决？下一期案例，也许就是你的需求。

▸ 关注【老谢谈谈谈】，每周聊职场、商业和Python的实用干货。