基于Python+SQLite的课程管理系统

系统需求简介

1.1需求分析

实现一个具体的课程管理系统。按照软件工程思路设计简化的专业课数据库，尽量模拟现有专业课程一个学期的选课排课原型实际情况。（注：本系统由本人单独设计、开发完成）

1.2 数据结构需求分析

课程管理系统需要完成功能主要有：

(1) 学生基本信息的查询，学生可以对本人的系统登陆密码进行修改。

(2) 学生定制专属课表，可以查看整个学期本人的课程安排，包括课程名称、上课时间、上课地点、任课老师、学分等等。

(3) 学生可以进行选课，专业必修课程系统会提前帮助学生们选上。

(4) 学生可以进行退课，专业必修课程不允许退课。

(5) 学生可以查看自己选上的课的成绩，以及各个课程的得分、绩点，并给出其平均绩点，但不允许查看年级其他人的成绩。

(6) 任课教师基本信息的查询，老师可以对本人的系统登陆密码进行修改。

(7) 任课教师可以查看本人所任教课程信息，包括课程名称、上课时间、上课地点、上课班级等等。

(8) 任课教师可以对其任教课程进行调课，调课在全部课程时间无冲突下可以成功调课。

(9) 任课教师可以查看其教的每一个课程的学生名单。

(10) 任课教师可以对其教的课程的学生进行登分以及修改分数。

(11) 任课教师可以对其任教的班级成绩进行排序。

(12) 系主任拥有包括以上所有任课教师所拥有权限，以及以下的额外权限。

(13) 系主任可以查看整个系的全部学生以及他们的平均绩点，可以对每个班进行排名，或者也可以对整个系进行排名。

(14) 系主任可以查看整个系的任教教师名单，以及他们所负责的课程数目。

(15) 系主任可以查看整个学期所开设的所有课程，包括这些课程的全部详细信息。

(16) 系主任可以查看每个班的课程安排表。

1.3系统功能设计

课程管理系统主要分为三个客户端登陆，分别是学生、任课教师和系主任，每个客户端的功能是不同的。这三个客户端的登陆拥有自己的功能实现。下面三个图分别是三个客户端的功能模块图。

图1.1 学生的客户端功能

图1.2 任课教师的客户端功能

图1.3 系主任的客户端功能

第二章需求描述

2.1 数据流图

系统的全局数据流图

系统的全局数据流图，在具体的设计工具中往往也称为第0层或顶层数据流图，主要是从整体上描述系统的数据流，反映系统中数据的整体流向，是设计者针对用户和开发者表达出来的一个总体描述。

经过对课程管理的调查、数据的收集和信息流程分析处理，明确了该系统的主要功能，分别为：

(1)学生

查看、修改个人信息；

查看个人课表；

选课、退课；

查看个人成绩、绩点；

(2)任课教师

查看、修改个人信息；

查看任教课程信息；

调整任教课程上课时间；

登记、修改所教课程的学生成绩；

对班级学生成绩进行排序；

(3)系主任

查看、修改个人信息；

查看任教课程信息；

调整任教课程上课时间；

登记、修改所教课程的学生成绩；

对班级学生成绩进行排序；

查看所有学生信息；

查看所有任课教师信息；

查看所有课程信息；

查看所有班级课程表；

图2.1 顶层数据流图

2.2 数据字典

数据流图清楚的表达了数据和处理数据的关系，但是没有清楚的描述出个数据处理的细节。通过数据字典来说明数据流图中出现的元素的详细定义和描述。包括数据流、加工处理、数据存储、数据的起点和终点或外部实体等。下面是数据存储的描述。

数据存储

表2-2-1 课程组信息模块存储的描述

序号	数据文件	文件组成	关键标识	组织
1	课程组信息	课程代码+课程名称+课程性质+考察方式+课时+学分	全部	按课程代码排序

表2-2-2 班级模块存储的描述

序号	数据文件	文件组成	关键标识	组织
1	班级信息	班级号+班别名称+班主任	全部	按班级号编号排序

表2-2-3 个人信息模块存储的描述

序号	数据文件	文件组成	关键标识	组织
1	学生信息	学号+姓名+性别+专业+班别号+入学日期+登陆密码	全部	按学号编号排序
2	教师信息	教师编号+姓名+性别+登陆密码	全部	按教师号编号排序

表2-2-4 课程信息模块存储的描述

序号	数据文件	文件组成	关键标识	组织
1	课程信息	课程号+课程代码+教师编号+课程名称+上课地点+上课时间+任教班级	全部	按课程号排序
2	学生选课信息	课程号+学号+分数	全部	按课程号、学号编号排序
3	班级课程信息	班级号+课程号	全部	按班级号、课程号编号排序

第三章概念设计

3.1 实体

由前面分析得到的数据流图和数据字典，可以抽象得到实体主要有8个：课程组、班级、学生、教师、课程、班级课程、课程组教师、分数。

课程组实体属性有：课程代码、课程名称、课程性质、考察方式、课时、学分。
班级类型实体属性有：班级编号、班级名称、班主任教师号。
教师实体属性有：教师编号、姓名、性别、登陆密码。
学生实体属性有：学号、姓名、性别、专业、班级编号、入学日期、登陆密码。
课程实体属性有：课程号、教师编号、课程代码、课程名称、上课时间、上课地点、上课班级。
班级课程实体属性有：班级号、课程号、班主任。
课程组教师属性有：课程代码、教师号、课题组组长标记。
分数实体属性有：学号、课程号、分数。

3.2 系统全局E-R图

课程组实体和课程组教师实体存在归属的联系，一个课程组可以包含多个教师，且有一个课程组组长，所以它们之间是一对多的联系(1:n)。
教师实体和课程组教师实体存在归属的联系，一个教师可以任教多门不同课程，可以在不同课程组内，所以它们之间是一对多的联系(1:n)。
课程组实体和课程实体存在单对多的关系，一个课程组可以开设多个该课程，所以它们之间是一对多的联系（1:n）。
教师实体和课程实体存在单对多的关系，每个教师可以任教多门课程，所以它们之间是一对多的联系（1:n）。
班级实体和班级课程实体存在单对多的关系，一个班级可以选择多门课程，所以它们之间是一对多的联系（1:n）。
课程实体和班级课程实体存在单对多的关系，一个课程可以被多个班级同时选择，所以他们之间是一对多的联系（1:n）。
班级实体和学生实体存在单对单的关系，一个班级内有多个学生，所以它们之间是一对多的联系（1:n）。
学生实体和分数实体存在单对多的关系，一位学生可以选择多门课程，每一门课程都有相应的分数，所以它们之间是一对多的联系（1:n）。

图3.2.1 系统全局E-R图

3.3 概念数据模型设计

图3.3.1 课程管理系统的概念数据模型图

第四章逻辑设计

4.1 ER图到关系模式的转换

课程管理系统功能大，实体多，这里列举重要的关系模式的转换过程：

（1）课程组实体和课程组教师实体存在归属的联系，一个课程组可以包含多个教师，且有一个课程组组长，所以它们之间是一对多的联系(1:n)。课程组教师实体和教师实体存在联系，一个教师可以同时在多个课程组。设计成如下的关系模式：

课程组(课程代码，课程组名称，课程性质，考察方式，总课时，学分)
课程组教师(课程代码，教师编号，组长标记)
教师(教师编号，名字，性别，主任标记，登陆密码)

（2）班级实体和学生实体存在单对单的关系，一个班级内有多个学生，所以它们之间是一对多的联系（1:n）。

班级(班级号，班级名称，班主任)
学生(学号，姓名，性别，专业，班级，入学时间，登陆密码)

（3）课程实体和班级课程实体存在单对多的关系，一个课程可以被多个班级同时选择，所以他们之间是一对多的联系（1:n）。设计成如下的关系模式：

课程(课程号，课程代码，教师号，课程名，上课时间，上课地点，上课班别)
班级课程(班级号，课程号)

（4）一位学生可以选择多门课程，每一门课程都有相应的分数，分数实体由学号与课程号确定分数。

分数(学号，课程号，分数)

4.2 各个数据表的表结构设计

表4-1 数据库表清单

数据库表名	关系模式名称	备注
group	课程组	课程组表
group_teacher	课程组教师	课程组教师表
teacher	教师	教师表
class	班级	班级表
student	学生	学生表
course	课程	课程表
class_course	班级课程	班级课程表
score	分数	分数表

表4-2 课程组表

表4-3 课程组教师表

表4-4 教师表

表4-5 班级表

表4-6 学生表

表4-7 课程表

表4-8 班级课程表

表4-9 分数表

五物理设计

5.1 数据库软件

SQLite，是一款轻型的数据库，是遵守ACID的关系型数据库管理系统，它包含在一个相对小的C库中。它是D.RichardHipp建立的公有领域项目。它的设计目标是嵌入式的，而且已经在很多嵌入式产品中使用了它，它占用资源非常的低，在嵌入式设备中，可能只需要几百K的内存就够了。它能够支持Windows/Linux/Unix等等主流的操作系统，同时能够跟很多程序语言相结合，比如 Tcl、C#、PHP、Java等，还有ODBC接口，同样比起Mysql、PostgreSQL这两款开源的世界著名数据库管理系统来讲，它的处理速度比他们都快。

官网下载sqlite3即可，打开方式为-》终端-》输入sqlite3，即可进入操作。

5.2 创建数据表

图5.2.1 创建教师表

图5.2.2 创建课程组表

图5.2.3 创建课程组教师表

图5.3.4 创建课程表

图5.3.5 创建班级表

图5.3.6 创建班级课程表

图5.3.7 创建学生表

图5.3.8 创建得分表

六处理数据

6.1 数据需求

由前面分析以及课程设计提供的数据，我们可以直接获得的数据主要为课程组信息、教师信息、学生信息。

课程组信息：通过整理我们专业六个班级的课程表可以获得；

教师信息：通过整理我们专业的老师信息表可以获得；

学生信息：通过整理六个班级的信息可以获得。

不可以直接获得的信息主要为开设课程的信息，这个进一步分析获得，通过教师的数目，班级的数目，确定每个课程组应当开设的课程数目，整理获得。

6.2 读取数据

（1）读取课程组信息

python 复制代码

import os
list1 = os.listdir('./20-21（1）班级课表(正式版)2020-8-27')
for i in list1:
    data = pd.read_excel('./20-21（1）班级课表(正式版)2020-8-27/'+i)

（2）读取教师信息

python 复制代码

import pandas as pd
teacher = pd.read_csv('./teacher.csv')

（3）读取学生信息

python 复制代码

import pandas as pd
name181 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科181（36）')
name182 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科182（41）')
name183 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科183（41）')
name184 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科184（40）')
name185 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科185（40）')
name186 = pd.read_excel('./2018级各班花名册.xlsx',header=None,sheet_name = '计科186（40）')

通过导入前面的表格，经过简单预处理，可以得到以下表格数据。

表6-3-1 课程组表(显示全部）

表6-3-2 教师表(仅显示部分）

表6-3-3 课程组教师表(显示全部）

表6-3-4 学生表(仅显示部分）

表6-3-5 班级表(显示全部）

前面5个表格的数据可以通过简单的数据预处理即可获得，重点阐述表6-3-6是如何处理获得的。分析课程组一共有11个，与每个课程组所拥有的老师数量，以及所任教的班级数量。当只有1个老师，该老师需开设两个课程，分别教3个班；当有2个老师，一人开一个课程，分别教3个班；当有3个老师，则一人开一个课程，分别教2个班。分析完毕，处理数据可得，需开设课程为26个，课程设置如表6-3-6所示。

表6-3-6 课程表(显示全部）

6.4 制作Sql语句

由前面分析得到的表格，可以生成导入数据库的sql语句，为了避免繁琐的操作，可使用python生成大量的导入语句。注：我们有八个表格，其中课程表格需要智能排课后获得上课时间，班级课程表格、分数表格需要课程号作为外码，但我提前给出sql语句，排课算法将会介绍上课时间如何得来。

处理程序如下：

python 复制代码

for index,row in name181[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")
for index,row in name182[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")
for index,row in name183[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")
for index,row in name184[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")
for index,row in name185[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")
for index,row in name186[5:].iterrows():
    print(f"INSERT INTO student VALUES({row[1]},'{row[2]}','{row[3]}',date('2018-09-01'),'计算机科学与技术','{row[1][5:]}',{row[4][2:]});")

图6.4.1 插入学生表语句（部分)

处理程序如下：

python 复制代码

for row in course['name'].value_counts().keys():
    k+=1
    name = row
    linshi = course[course['name']==row]['bixiu'].value_counts().keys()[0]
    ddd = course[course['name']==row]['duoshaojieke'].value_counts().keys()[0]
    jilu = courses_courses[courses_courses['course_name']==row]
    print(f"INSERT INTO groups VALUES({list(jilu['course_id'])[0]},'{name}','{linshi}','{list(jilu['exam_method'])[0]}',{list(jilu['class_hour'])[0]},{list(jilu['credit'])[0]});")

图6.4.2 插入课程组语句

处理程序如下：

python 复制代码

import numpy as np
for row in course['name'].value_counts().keys():
    pp = 0
    k+=1
    name = row
    linshi = course[course['name']==row]['teacher_name'].value_counts().keys()
    jilu = courses_courses[courses_courses['course_name']==row]
    for j in linshi:
        ids = np.array(course[course['teacher_name']==j]['teacher_id'])[0]
        if pp==0:
            print(f"INSERT INTO group_teacher VALUES({list(jilu['course_id'])[0]},'{ids}',1);")
        else:
            print(f"INSERT INTO group_teacher VALUES({list(jilu['course_id'])[0]},'{ids}',0);")
        pp+=1

图6.4.4 插入课程语句

处理程序如下：

python 复制代码

for index,row in teacher.iterrows():
    print(f"INSERT INTO teacher VALUES({row[0]},'{row[1]}','{1111}','{row[2]}',{row[4]});")

图6.4.5 插入教师语句（部分）

处理程序如下：

python 复制代码

for index,row in all_course.iterrows():
    print(f"INSERT INTO course VALUES({row[0]},'{row[8]}',{row[1]},{row[7]},'{row[13]}','{row[6]}','{row[14]}');")

图6.4.6 插入课程语句（部分）

处理程序如下：

python 复制代码

for index,row in all_course.iterrows():
    for i in row[6].split(','):
        print(f"INSERT INTO class_course VALUES({row[0]},{i});")

图6.4.7 插入班级课程语句（部分）

处理程序如下：

python 复制代码

for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '181' in row[6]:
        for index,rowst in name181[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")
for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '182' in row[6]:
        for index,rowst in name182[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")
for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '183' in row[6]:
        for index,rowst in name183[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")
for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '184' in row[6]:
        for index,rowst in name184[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")
for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '185' in row[6]:
        for index,rowst in name185[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")
for index,row in all_course.iterrows():
    if row[9] =='专业必修课程' and '186' in row[6]:
        for index,rowst in name186[5:].iterrows():
            num = np.random.randint(50, 100)
            print(f"INSERT INTO score VALUES({rowst[1]},{row[0]},{num});")

图6.4.8 插入分数语句（部分）

七智能排课算法

7.1 排课要求

1-16周，周一到周五，1-9节；课程安排的时间长度必须和课程学分一致；
同个班同个小节不能上多门课，不同班同门课可能一起上；
同个老师不能在同一小节同时上两个课；
上课时间尽可能分散开，不要集中于某一天，减缓学生压力；

7.2 准备工作

（1）划分每天的1-9节课为四大节，白天三大节，每节2课时；晚上一大节，每节3课时，如下表7-2-1。

表7-2-1 课程表划分

	星期一	星期二	星期三	星期四	星期五
第一大节8:30~10:05
第二大节10:25~12:00
第三大节15:00~16:35
第四大节18:00~20:25

（2）将每周2课时的课程与3课时的课程分开排课，用同一套算法，每周2课时的课程在白天进行排课，每周3课时的课程在晚上进行排课，当白天或晚上排课效率不高时，再调整多余部分课程到另一时间段。

图7.2.1 每周2课时的课程

图7.2.2 每周3课时的课程

7.3 遗传算法

（1）我们以每周2课时的课程为例子，进行下面遗传算法选课流程的介绍。我们注意到存在着只上8周的课程，没有覆盖整个16周，所以选择把两个8周且班级相同的课程并到一起，或者有包含关系的两个课程（前面8周集合元素覆盖或等于后面8周的），算一个16周课程进行以下算法分析。

图7.3.1 课程合并

合并后，我们需要排课的课程号如下：

[101,102,108,109,110,111,112,113,114,115,116,117,118,121,122,123]

其中合并关系为：117-》119，118-》120，121-》124，122-》125，123-》126

（）我们将每天的课程进行编号，以便于下面算法的进行。

	星期一	星期二	星期三	星期四	星期五
第一大节8:30~10:05	1	4	7	10	13
第二大节10:25~12:00	2	5	8	11	14
第三大节15:00~16:35	3	6	9	12	15

表7-3-1 课程表标记

（3）如表7-2-1所示，我们每节课安排的时间范围即为1～15，我们需要排课的列表为[101,102,108,109,110,111,112,113,114,115,116,117,118,121,122,123]，长度为16，所以我们可以随机生成一个list，长度为16，数字范围为1～15，这样一个列表可以表示，每一门课程所安排的时间；

（4）显然，随机数的排课具有很大不确定性，可能会导致一些课程冲突、课程集中某个时间段等等，所以我们想要去找到一条list，可以让我们的排课让老师同学们都满意；

（5）这里，引入遗传算法，这里简单介绍遗传算法，遗传算法是一种局部寻优算法，可以根据我们定义的遗传算子，通过交叉、变异等操作，生成更多不同算子，帮助我们在高维空间上寻找局部最优解，这里的最优解的条件由我们实现者根据具体实际情况进行定义。下面给出一些基本操作：

遗传算子-染色体即为一条与需排课列表长度的时间序列，范围为1～15，生成染色体时必须保证同一个时间段的课程老师、班级不能冲突，否则重新生成；

选择种群：优胜劣汰，对低于平均适应度的染色体进行交叉和突变，高于平均适应度的进行保留；

交叉操作：选取两条父母染色体，对母亲随机截取一段S，直接替换父亲的该段，返回拼接后的染色体；

突变操作：对染色体进行随机截取一段，进行翻转操作；突变某个点的时间值，范围为1～15

种群进化：种群内每一根染色体都有可能进行交叉和突变，取决于交叉率和突变率。

7.4 适应度函数

定义适应度函数，也类似于机器学习的目标函数，我们需要优化它，达到最优解，从而获得我们的最优排课顺序。这里，我们的得分函数由三部分组成：

（1）第一部分：时间段权重

根据网上部分资料，一般学生课程安排有权重调整，即早上的课程权重相应大些，特别是第二大节课，对应的下午的课程权重少些，还有星期二下午不开课（广州大学惯例），星期五的课权重少些，这里给出我定义的权重表7-4-1。第一部分得分算法：染色体list点乘对应得分除以[0.9*len(list)]*100，

注：[0.9*len(list)]指的是全部安排在第二大节，得分为满分100分。

表7-4-1 课程表权重

	星期一	星期二	星期三	星期四	星期五
第一大节8:30~10:05	0.88	0.88	0.88	0.88	0.85
第二大节10:25~12:00	0.9	0.9	0.9	0.9	0.88
第三大节15:00~16:35	0.85	0	0.85	0.85	0.8

代码如下：

python 复制代码

grade = {1: 0.88, 2:0.9 ,3: 0.85,4:0.88 ,5: 0.9,6: 0,7:0.88, 8:0.9, 9:0.85, 10:0.88,11:0.9,12:0.85,13:0.85,14:0.88,15:0.8}
point1 = 0  #不同时间段不同得分权重,以全部9.0为满分权重
for i in gene:
    point1 += grade[i]
point1 = point1/(len(gene) *0.9)*100

（2）第二部分：全部课程时间方差

为了保证我们的整个专业排课结果尽可能分散，我们可以通过方差大小来调整，我们计算以刚好15个课程铺满整个课表的方差为基准，基准为ave_var = np.var([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]),我们希望我们所排的课程的方差越接近于这个方差越好，所以我给出的第二部分得分算法为：point2 = (1 - np.abs(np.var(gene) -ave_var) /ave_var) *100。

（3）第三部分：每个班级课程时间方差

第二部分优化的所有课程，我希望每个班级内部的课程也可以得到优化，这里设置一个最大方差max_var = np.var([1,8,15])，每个班级的课程安排时间的方差也此为标准，第三部分得分算法为：分别计算6个班级的课程时间方差相加，除以6*max_var，然后乘以100。

三部分得分函数总结完毕，我们给予各个部分一个权重，以便于我们更倾向于哪一部分时可以进行适当调整。在这里，我给出本次实验所用的最终得分表示：

point = point1 + 0.8* point2 + 0.6* point3