Upload 授業負担計算後期.py

授業負担計算後期.py

@@ -0,0 +1,665 @@
+import gradio as gr
+import numpy as np
+import pandas as pd
+import mojimoji
+
+
+
+def get_kamoku(df):
+    daigakuin = pd.read_excel(df,sheet_name='リサーチコース特論等', skiprows=5)
+    gakubu = pd.read_excel(df,sheet_name='学部', skiprows=4)
+    tokusyu = pd.read_excel(df,sheet_name='特殊講義', skiprows=5)
+    gpem = pd.read_excel(df,sheet_name='GPEM特論等', skiprows=4)
+    
+    d_data = jyugyo_daigakuin(daigakuin)
+    u_data = jyugyo(gakubu, drop='Vlookup元')
+    gpem_data = gpem_jyugyo(gpem)
+    tokusyu_data = tokusyu_jyugyo(tokusyu)
+    
+    all = u_data + d_data + gpem_data + tokusyu_data
+    df = pd.DataFrame(all, columns=['時限', '場所', '授業名', '担当教員', '授業区分','Code'])
+    
+    # 重複している講義を検索
+    time_unique = df['時限'].unique()
+    time_unique.sort()
+    lectures = pd.DataFrame(columns=['特論','GPEM', '特集講義','時限','場所','担当教員','特論_code','Gpem_code', '特殊講義_code'])
+    lecture_list = []
+    for i in time_unique:
+        sub = df[df['時限'] == i]
+        teacher_unique = sub['担当教員'].unique()
+        basyo_unique = sub['場所'].unique()
+        #display(i)
+        #display(sub)
+        for j in basyo_unique:
+            sub2 = sub[sub['場所'] == j]
+            sub2 = sub2[sub2['授業区分'] != '学部講義']
+            if len(sub2) > 0:
+                teacher = sub2.iloc[0,3]
+                time = sub2.iloc[0,0]
+                basyo = sub2.iloc[0,1]
+                #display(sub2)
+                if sub2[sub2['授業区分'] == '特論'].shape[0] > 0:
+                    tokuron = sub2[sub2['授業区分'] == '特論'].iloc[0,2]
+                    tokuron_code = sub2[sub2['授業区分'] == '特論'].iloc[0,5]
+                    teacher = sub2.iloc[0,3]
+                else:
+                    tokuron = ''
+                if sub2[sub2['授業区分'] == 'GPEM'].shape[0] > 0:
+                    gpem_ = sub2[sub2['授業区分'] == 'GPEM'].iloc[0,2]
+                    gpem_code = sub2[sub2['授業区分'] == 'GPEM'].iloc[0,5]
+                else:
+                    gpem_ = ''
+                if sub2[sub2['授業区分'] == '特集講義'].shape[0] > 0:
+                    tokusyu_ = sub2[sub2['授業区分'] == '特集講義'].iloc[0,2]
+                    tokusyu_code = sub2[sub2['授業区分'] == '特集講義'].iloc[0,5]
+                else:
+                    tokusyu_ = ''
+                    tokusyu_code = ''
+                
+                lecture_list.append([tokuron, gpem_, tokusyu_, time, basyo, teacher, tokuron_code, gpem_code, tokusyu_code])
+                
+
+    lectures = pd.DataFrame(lecture_list, columns=['特論','GPEM', '特集講義','時限','場所','担当教員','特論_code','Gpem_code', '特殊講義_code'])
+    #lectures.to_excel('大学院講義一覧.xlsx', index=False)
+
+    return lectures
+
+def jyugyo_daigakuin(df, drop='Vlookup用.1'):
+    df2 = df.copy()
+    df2.drop(drop,axis=1, inplace=True)
+    span = 7
+    data = []
+    for i in range(6):
+        cols = range(i*span+1, i*span+span+1)
+        sub = df2.iloc[:, cols].values
+        for j in sub:
+            if j[0] is np.nan:
+                break # 表まで
+            
+            # 空欄ではない授業のみ
+            if j[2] is not np.nan:
+                #print(j[0], j[2], j[3])
+                # 月/前期の４文字のみ + 時限
+                jigen = j[0][:5] + f'{i+1}'
+                basyo = j[4]
+                name = j[2]
+                teacher = j[6]
+                data.append([jigen, basyo, name, teacher, '特論', j[1]])
+
+    return data
+
+
+#　学部
+def jyugyo(df, drop='Vlookup元'):
+    df2 = df.copy()
+    df2.drop(drop,axis=1, inplace=True)
+    span = 8
+    data = []
+    for i in range(6):
+        cols = range(i*span+1, i*span+span+1)
+        sub = df2.iloc[:, cols].values
+        for j in sub:
+            if j[0] is np.nan:
+                break # 表まで
+            
+            # 空欄ではない授業のみ
+            if j[2] is not np.nan:
+                #print(j[0], j[2], j[3])
+                # 月/前期の４文字のみ + 時限
+                jigen = j[0][:5] + f'{i+1}'
+                basyo = j[5]
+                name = j[2]
+                teacher = j[7]
+                data.append([jigen, basyo, name, teacher,'学部講義', j[1]])
+    
+    return data
+
+#　学部
+def gpem_jyugyo(df, drop='Vlookup用.1'):
+    df2 = df.copy()
+    df2.drop(drop,axis=1, inplace=True)
+    span = 7
+    data = []
+    for i in range(6):
+        cols = range(i*span+1, i*span+span+1)
+        sub = df2.iloc[:, cols].values
+        for j in sub:
+            if j[0] is np.nan:
+                break # 表まで
+            
+            # 空欄ではない授業のみ
+            if j[2] is not np.nan:
+                #print(j[0], j[2], j[3])
+                # 月/前期の４文字のみ + 時限
+                jigen = j[0][:5] + f'{i+1}'
+                basyo = j[4]
+                name = j[2]
+                teacher = j[6]
+                data.append([jigen, basyo, name, teacher, 'GPEM', j[1]])
+        #display(df2.iloc[:50, cols])
+    return data
+
+#　特集講義
+def tokusyu_jyugyo(df, drop='Vlookup用.1'):
+    df2 = df.copy()
+    df2.drop(drop,axis=1, inplace=True)
+    span = 7
+    data = []
+    for i in range(6):
+        cols = range(i*span+1, i*span+span+1)
+        sub = df2.iloc[:, cols].values
+        for j in sub:
+            if j[0] is np.nan:
+                break # 表まで
+            
+            # 空欄ではない授業のみ
+            if j[2] is not np.nan:
+                #print(j[0], j[2], j[3])
+                # 月/前期の４文字のみ + 時限
+                jigen = j[0][:5] + f'{i+1}'
+                basyo = j[4]
+                name = j[2]
+                teacher = j[6]
+                data.append([jigen, basyo, name, teacher, '特集講義', j[1]])
+        #display(df2.iloc[:, cols])
+    return data
+
+
+
+# 名前の\u3000を空白に変換
+def convert(df):
+    # df: pandas.Series
+    return df.str.replace('\u3000', ' ')
+
+def convert_fullwidth_to_halfwidth(df):
+    # df: pandas.Series
+    return df.apply(lambda x: mojimoji.zen_to_han(x, kana=False))
+
+
+
+def get_data(df):
+    kyouin = pd.read_excel(df, sheet_name='教員名簿')
+    return kyouin
+
+
+
+def main_func(d1, d2, d3, d4, d5, d6=None):
+    kougi_list = get_kamoku(d1)
+    kyouin = pd.read_excel(d2, sheet_name='教員名簿')
+    kyouin.set_index('教員名', inplace=True)
+    gakubu = pd.read_excel(d3)
+    daigakuin = pd.read_excel(d4)
+    zenki = pd.read_excel(d5)
+    
+    tune_df = pd.read_excel(d2, sheet_name='科目調整')
+    zengaku_df = pd.read_excel(d2, sheet_name='全学講義')
+    ng_df = pd.read_excel(d2, sheet_name='対象外科目')
+    
+    
+    # 除外科目
+    NGlecture = ng_df['科目名'].tolist()
+    NGlecture += '経営原理,Workshop,ワークショップ'.split(',')
+    #display(NGlecture)
+    names = list(kyouin.index)
+    seminar = ['Seminar', '演習', 'Project Guidance']
+    
+    
+    
+    
+    tmp = []
+    for i in kougi_list.iloc[:,:2].values:
+        # if not np.nan
+        if i[0] is not np.nan:
+            t1 = mojimoji.zen_to_han(i[0], kana=False)
+        else:
+            t1 = np.nan
+        if i[1] is not np.nan:
+            t2 = mojimoji.zen_to_han(i[1], kana=False)
+        else:
+            t2 = np.nan
+        tmp.append([t1, t2])
+
+    kougi_list.iloc[:,:2] = tmp
+    
+    all = pd.concat([gakubu, daigakuin], axis=0)
+
+    all['教員氏名'] = convert(all['教員氏名'])
+
+    all['科目名称'] = convert_fullwidth_to_halfwidth(all['科目名称'])
+    
+    # まとめ
+    matome = []
+    lecture_codes = set(all['授業コード'])
+    for code in lecture_codes:
+        sub = all[all['授業コード'] == code].iloc[0]
+        teachers = all[all['授業コード'] == code]['教員氏名'].unique()
+        for teacher in teachers:
+            if teacher not in names: # 教員名簿にない場合はスルー
+                continue
+            kana = kyouin.loc[teacher]['かな']
+            #display(sub)
+            jyugyou = sub['科目名称']
+            if sub['授業管理部署名称'] == '経済学部':
+                bunrui = '学部'
+            else:
+                bunrui = '大学院'
+            for col in seminar:
+                if col in jyugyou:
+                    bunrui += '演習'
+                    break
+            
+            tani = sub['単位数']
+            count = sub['合計']
+            
+            # GPEM判定:　講義リストにGPEMコードと同じ講義がある場合
+            match_kougi = kougi_list[kougi_list['特論_code'] == code]
+            match_gpem  = kougi_list[kougi_list['Gpem_code'] == code]
+            match_tokusyu = kougi_list[kougi_list['特殊講義_code'] == code]
+            
+            biko = ''
+            gpem = ''
+            if len(match_kougi) > 0:
+                if match_kougi.iloc[0, 1] is not np.nan:
+                    gpem = 'GPEM'
+                else:
+                    gpem = ''
+            elif len(match_gpem) > 0:
+                gpem = 'GPEM'
+                if match_gpem.iloc[0, 0] is not np.nan:
+                    biko = f'{match_gpem.iloc[0, 0]}と同じ'
+            elif len(match_tokusyu) > 0:
+                if match_tokusyu.iloc[0, 1] is not np.nan:
+                    gpem = 'GPEM'
+                else:
+                    gpem = ''
+                if match_tokusyu.iloc[0, 0] is not np.nan:
+                    biko = f'{match_tokusyu.iloc[0, 0]}と同じ'
+                
+        
+            # 備考
+            
+        
+            matome.append([kana, teacher, jyugyou, bunrui, gpem, count, tani, biko])
+
+
+
+    zenki_moto_data = pd.DataFrame(matome,columns=['かな', '教員名', '科目名', '分類', 'GPEM', '受講者数', '単位数', '備考'])
+    
+    
+    # ソート
+    
+    # 分類の優先順
+    category_order = ['学部', '大学院', '学部演習', '大学院演習']
+
+    df = zenki_moto_data.copy()
+    # 教員名と分類をカテゴリとして順序を定義
+    df['教員名'] = pd.Categorical(df['教員名'], categories=names, ordered=True)
+    df['分類'] = pd.Categorical(df['分類'], categories=category_order, ordered=True)
+
+    # ソート実行
+    df_sorted = df.sort_values(by=['教員名', '分類'])
+
+    
+    columns = 'かな,教員名（敬称略）,GPEM,2025年度担当単位数（演習除く）,年平均の標準負担単位数（演習除く）,受講者ゼロ調整,その他調整,2025年度前期における過不足,備考1,備考2'.split(',')
+    
+    
+    
+    kabusoku = pd.DataFrame(columns=columns)
+
+    for i in names:
+        sub = df_sorted[df_sorted['教員名'] == i]
+
+        # 優先順位: 
+        # 1. 優先負担単位数があれば、それを優先
+        # 2. GPEM教員は5, それ以外は6
+        
+        if not np.isnan(kyouin.loc[i]['優先負担単位数']) :
+            #display(kyouin.loc[i]['優先負担単位数'])
+            need = int(kyouin.loc[i]['優先負担単位数'])
+        else:
+            if kyouin.loc[i]['GPEM'] == 'GPEM':
+                need = 5
+            else:
+                need = 6
+        
+        # 分類に「演習」という文字列がないデータを集める
+        sub = sub[~sub['分類'].str.contains('演習')]
+        # 特殊講義は除外
+        sub = sub[~sub['科目名'].str.contains('特殊講義')]
+        # 除外科目を除去
+        for col in NGlecture:
+            sub = sub[~sub['科目名'].str.contains(col)]
+            
+
+        
+        # 同じ授業（特論 + GPEM）の場合は除外
+        # 備考列に'同じ'という文字列が含まれている場合は除外
+        sub = sub[~sub['備考'].str.contains('同じ')]
+
+
+        scores = 0
+        # 備考1 科目名 + 単位数
+        biko1 = ''
+        extra = ''
+        first = True
+        for j in sub.values:
+            subject = j[2]
+            score = int(j[6])
+            
+            # 科目調整があるかチェック
+            if tune_df[tune_df['科目名'] == subject].shape[0] > 0:
+                score = int(tune_df[tune_df['科目名'] == subject]['単位数'].values[0])
+                biko1 += f' + {subject}({score}単位)'
+                extra = tune_df[tune_df['科目名'] == subject]['備考'].values[0]
+        
+            scores += score
+            
+            if not first:
+                biko1 += f' + {subject}({score}単位)'
+            else:
+                biko1 = f'{subject}({score}単位)'
+            first = False
+            
+        
+        # 全学講義
+        zengaku_sub = zengaku_df[zengaku_df['教員名'] == i]
+        
+        if zengaku_sub.shape[0] > 0:
+            for col in NGlecture:
+                zengaku_sub = zengaku_sub[~zengaku_sub['授業名'].str.contains(col)]
+            for j in zengaku_sub.values:
+                # 受講者数が0の場合はスキップ
+                if j[3] == 0:
+                    continue
+                subject = j[1]
+                score = int(j[2])
+                if not first:
+                    biko1 += f' + {subject}({score}単位)'
+                else:
+                    biko1 = f'{subject}({score}単位)'
+                
+                scores += score
+
+        if biko1 == '':
+            biko1 = '演習のみ'
+        biko1 += ';'
+        
+        # 備考2 
+        if isinstance(kyouin.loc[i]['優先負担単位理由'], float):
+            tmp = ''
+        else:
+            tmp = kyouin.loc[i]['優先負担単位理由']
+            
+            
+        biko2 = tmp
+        
+        if isinstance(kyouin.loc[i]['その他調整単位理由'], float):
+            tmp = ''
+        else:
+            tmp = kyouin.loc[i]['その他調整単位理由']
+            
+        
+        # その他調整単位数
+        if not np.isnan(kyouin.loc[i]['その他調整単位数']):
+            other = kyouin.loc[i]['その他調整単位数']
+        else:
+            other = 0
+        
+        biko2 += tmp
+        if biko2 == '':
+            biko2 = extra
+        else:
+            biko2 += f'; {extra}'
+        
+        
+        
+        # 不足: 実際担当 - 標準担当 - ゼロ調整 + その他調整
+        husoku = 0 #scores - need - 0 + other # 後で計算
+        
+        kabusoku.loc[len(kabusoku)] = [kyouin.loc[i]['かな'], i, kyouin.loc[i]['GPEM'], scores, need, 0, other, husoku, biko1, biko2]
+        
+    
+    # 受講者ゼロ調整
+    totals = []
+    for i in kougi_list.iterrows():
+        # 特論 + Gpem + 特集講義　合わせて0を探す
+        codes = set()
+        if i[1]['特論_code'] != '':
+            codes.add(i[1]['特論_code'])
+        if i[1]['Gpem_code'] != '':
+            codes.add(i[1]['Gpem_code'])
+        if i[1]['特殊講義_code'] != '':
+            codes.add(i[1]['特殊講義_code'])
+        total = 0
+        for code in codes:
+            daigakuin_sub = daigakuin[daigakuin['授業コード'] == code]
+            if daigakuin_sub.shape[0] > 0:
+                total += int(daigakuin_sub['合計'].mean())
+        
+        totals.append(total)
+
+    kougi_list['全体受講者数'] = totals
+    jukou = kougi_list[kougi_list['時限'].str.contains('後期')]
+    
+    
+    # 演習ゼロ調整
+    semi_zero = []
+    for teacher, i in kyouin.iterrows():
+        
+        sub = zenki_moto_data[zenki_moto_data['教員名'] == teacher]
+        sub = sub[sub['分類'] == '大学院演習']
+        total = sub['受講者数'].sum()
+        flag = 0
+        if total == 0:
+            flag = -2
+        semi_zero.append([teacher, flag, i['講師'], flag * (1 - i['講師'] )])
+
+    semi_df = pd.DataFrame(semi_zero, columns=['教員名', '演習受講者ゼロ', '講師', '最終調整'])
+
+
+    zenki['2025年年度後期担当単位数（演習除く）'] = np.nan
+    teacher_list = zenki['教員名（敬称略）'].tolist()
+    
+    for i in range(len(kabusoku)):
+        teacher = kabusoku.loc[i]['教員名（敬称略）']
+        if teacher in teacher_list:
+            idx = teacher_list.index(teacher)
+            zenki.loc[idx, '2025年年度後期担当単位数（演習除く）'] = kabusoku.loc[i]['2025年度担当単位数（演習除く）']
+            zenki.loc[idx, '備考1'] = f"前期: {zenki.loc[idx, '備考1']}\n後期: {kabusoku.loc[i]['備考1']}"
+            zenki.loc[idx, '備考2'] = kabusoku.loc[i]['備考2']
+
+    # change column name '2025年度前期における過不足' --> '2025年度における過不足'
+    zenki.rename(columns={'2025年度前期における過不足': '2025年度における過不足'}, inplace=True)
+    zenki.rename(columns={'2025年度担当単位数（演習除く）': '2025年年度前期担当単位数（演習除く）'}, inplace=True)
+    #zenki['2025年度における過不足'] +=  zenki['2025年年度後期担当単位数（演習除く）']
+    
+    # insert the column '2025年年度後期担当単位数（演習除く）' after '2025年年度前期担当単位数（演習除く）'
+    col_idx = zenki.columns.get_loc('2025年年度前期担当単位数（演習除く）') + 1
+    zenki.insert(col_idx, '2025年年度後期担当単位数（演習除く）', zenki.pop('2025年年度後期担当単位数（演習除く）'))
+    zenki['演習ゼロ調整'] = semi_df['最終調整']
+    
+    col_idx = zenki.columns.get_loc('受講者ゼロ調整')
+    zenki.insert(col_idx + 1, '演習ゼロ調整', zenki.pop('演習ゼロ調整'))
+    
+    
+    # 最終過不足計算
+    zenki['2025年度における過不足'] = zenki['2025年年度前期担当単位数（演習除く）'] + zenki['2025年年度後期担当単位数（演習除く）'] - zenki['年平均の標準負担単位数（演習除く）'] - zenki['受講者ゼロ調整'] + zenki['演習ゼロ調整'] + zenki['その他調整']
+    
+    #return zenki,daigakuin, kougi_list, zenki_moto_data , kyouin
+    
+    kabusoku.to_excel('kabusoku_kabusoku.xlsx', index=False)
+    zenki_moto_data.to_excel('kabusoku_moto.xlsx', index=False)
+    
+    # 前期過不足
+    past_kahusoku = pd.read_excel(d5, sheet_name='2025年度前期における過不足（まとめ）')
+    past_moto_data = pd.read_excel(d5, sheet_name='前期元データ')
+    
+    ruiseki = []
+    colnames = ['かな', '教員名（敬称略）', '2024年度累計過不足', '2025年度過不足', '2025年度累計過不足', '備考']
+    for i0, i in zenki.iterrows():
+        name = i['教員名（敬称略）']
+        kana = i['かな']
+        k = i['2025年度における過不足']
+        ruiseki.append([kana, name, 0, k, 0, ''])
+    ruiseki = pd.DataFrame(ruiseki, columns=colnames)
+    if d6 is not None:
+        past_ruiseki = pd.read_excel(d6, sheet_name='累計過不足')
+        #ruiseki['2024年度累計過不足'] = past_ruiseki.iloc[:,-2]
+        for i in range(len(ruiseki)):
+            name = ruiseki.loc[i]['かな']
+            sub = past_ruiseki[past_ruiseki['かな'] == name]
+            if sub.shape[0] > 0:
+                print(name, sub)
+                ruiseki.loc[i, '2024年度累計過不足'] = sub.iloc[0, -2]
+                ruiseki.loc[i, '2025年度累計過不足'] = ruiseki.loc[i]['2024年度累計過不足'] + ruiseki.loc[i]['2025年度過不足']
+        
+        # NaNが入っている行を���す
+        nan_rows = ruiseki[ruiseki.isnull().any(axis=1)]
+        ruiseki.loc[nan_rows.index, '備考'] = '新任の先生なので2024年度の累積過不足は0。'
+        # fill NaN with 0
+        ruiseki.iloc[:,:-1] = ruiseki.iloc[:,:-1].fillna(0)
+        
+    # kabusoku, zenki_moto_data as different sheet for 1 excel file
+    with pd.ExcelWriter('★2025年度過不足.xlsx') as writer:
+        zenki.to_excel(writer, sheet_name='2025年度における過不足（まとめ）', index=False)
+        ruiseki.to_excel(writer, sheet_name='累計過不足', index=False)
+        past_kahusoku.to_excel(writer, sheet_name='2025年度前期における過不足（まとめ）', index=False)
+        past_moto_data.to_excel(writer, sheet_name='2025年度前期元データ', index=False)
+        df_sorted.to_excel(writer, sheet_name='後期元データ', index=False)
+        ng_df.to_excel(writer, sheet_name='資料1 対象外科目', index=False)
+        zengaku_df.to_excel(writer, sheet_name='資料2 全学講義', index=False)
+        jukou.to_excel(writer, sheet_name='資料3 講義集計', index=False)
+        semi_df.to_excel(writer, sheet_name='資料4 演習ゼロ調整', index=False)
+    
+    
+    style_excel()
+    return ['★2025年度過不足.xlsx']
+
+# Excelのスタイルを調整
+# File :'★2025年度過不足.xlsx', sheet_name='2025年度における過不足（まとめ）'
+import openpyxl
+# 1. 列備考1を折り返し表示
+def style_excel():
+    from openpyxl import load_workbook
+    from openpyxl.styles import Alignment
+
+    file = '★2025年度過不足.xlsx'
+    file2 = '★2025年度過不足.xlsx'
+    wb = load_workbook(file)
+    ws = wb['2025年度における過不足（まとめ）']
+
+    # すべてを折り返し表示
+    for row in ws.iter_rows():
+        for cell in row:
+            cell.alignment = Alignment(wrap_text=True, vertical='top')
+    
+    # 備考1, 備考2の列幅を調整 (65)
+    ws.column_dimensions['A'].width = 10
+    ws.column_dimensions['B'].width = 10
+    ws.column_dimensions['K'].width = 65
+    ws.column_dimensions['L'].width = 65
+    
+    # 1行目をセンター揃え
+    for cell in ws[1]:
+        cell.alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)
+    
+    # J列の２行目から、　253 233 217の背景色を設定、すべて赤の太字にする
+    for row in ws.iter_rows(min_row=2):
+        cell = row[9]  # J列
+        cell.font = cell.font.copy(bold=True, color='FF0000')
+        cell.fill = openpyxl.styles.PatternFill(start_color='FDE9D9', end_color='FDE9D9', fill_type='solid')
+    #すべて格子線を引く
+    from openpyxl.styles import Border, Side
+    thin_border = Border(left=Side(style='thin'),
+                         right=Side(style='thin'),
+                         top=Side(style='thin'),
+                         bottom=Side(style='thin'))
+    for row in ws.iter_rows():
+        for cell in row:
+            cell.border = thin_border
+
+    # 累計過不足シート
+    ws = wb['累計過不足']
+    
+    # 名前
+    ws.column_dimensions['A'].width = 20
+    ws.column_dimensions['B'].width = 20
+    
+    # 1行目だけ、折り返し、センター揃え
+    for cell in ws[1]:
+        cell.alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)
+    
+    # 最後の列のwidth = 65
+    last_col = ws.max_column
+    last_col_letter = openpyxl.utils.get_column_letter(last_col)
+    ws.column_dimensions[last_col_letter].width = 65
+    # すべて格子線を引く
+    for row in ws.iter_rows():
+        for cell in row:
+            cell.border = thin_border
+    
+    # E列、2行目から、228 223 236 の背景、赤い太字
+    for row in ws.iter_rows(min_row=2):
+        cell = row[4]
+        cell.font = cell.font.copy(bold=True, color='FF0000')
+        cell.fill = openpyxl.styles.PatternFill(start_color='E4DFEC', end_color='E4DFEC', fill_type='solid')
+    
+    
+    wb.save(file2)
+    
+
+
+
+import gradio as gr
+import os
+import shutil
+from datetime import datetime
+
+# 仮の計算関数（あなたの処理ロジックに置き換えてください）
+def process_files(timetable_file, burden_file, undergrad_file, grad_file):
+    output_dir = "output_files"
+    os.makedirs(output_dir, exist_ok=True)
+
+    # 仮の出力ファイルを作成（本来はここで実際の処理を行う）
+    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+    output_paths = []
+    for i in range(1, 4):
+        filename = f"出力ファイル_{i}_{timestamp}.xlsx"
+        path = os.path.join(output_dir, filename)
+        with open(path, "w") as f:
+            f.write("これは出力ファイルのサンプルです。\n")
+        output_paths.append(path)
+
+    return output_paths
+
+
+def main():
+    with gr.Blocks(title="授業コード作成ツール") as demo:
+        with gr.Tabs():
+            with gr.TabItem("1. 授業コードの作成", id="code_generation"):
+                gr.Markdown("## 📘 授業コードの自動作成")
+                gr.Markdown("以下の4つのファイルをアップロードしてください。処理が完了すると、出力ファイルをダウンロードできます。")
+
+                with gr.Row():
+                    timetable_file = gr.File(label="（学部・大学院）2025年度時間割", file_types=[".xlsx"])
+                    burden_file = gr.File(label="授業負担自動計算ファイル", file_types=[".xlsx"])
+
+                with gr.Row():
+                    undergrad_file = gr.File(label="（学部）授業別受講者人数表", file_types=[".xlsx"])
+                    grad_file = gr.File(label="（大学院）授業別受講者人数表", file_types=[".xlsx"])
+                    
+                with gr.Row():
+                    zenki_file = gr.File(label="（前期）2025年度過不足ファイル", file_types=[".xlsx"])
+                    kyonen_file = gr.File(label="2024年度過不足ファイル", file_types=[".xlsx"], optional=True)
+
+                submit_btn = gr.Button("📊 授業コードを作成")
+                output_files = gr.File(label="出力ファイル", file_types=[".xlsx"], interactive=False, file_count="multiple")
+
+                submit_btn.click(
+                    fn=main_func,
+                    inputs=[timetable_file, burden_file, undergrad_file, grad_file, zenki_file, kyonen_file],
+                    outputs=output_files
+                )
+
+    if __name__ == "__main__":
+        demo.launch()