Python线性规划求解单品补货量和定价策略

import pandas as pd
import numpy as np
from scipy.optimize import linprog

# 读取数据
df1 = pd.read_excel('附件1.xlsx')
df2 = pd.read_excel('附件2.xlsx')
df3 = pd.read_excel('附件3.xlsx')
df4 = pd.read_excel('附件4.xlsx')
print(df1.columns)
print(df2.columns)
print(df3.columns)
print(df4.columns)

# 获取可售单品种类数
n = df2['单品编码'].nunique()

# 构建目标函数系数
profit_coefficient = []
for i in range(n):
    code = df2['单品编码'].unique()[i]
    # 检查df4中是否存在与df2中的单品编码相匹配的小分类编码
    if code in df4['小分类编码'].unique():
        loss_rate = df4[df4['小分类编码'] == code]['平均损耗率(%)_小分类编码_不同值'].values[0] / 100
    else:
        loss_rate = 0
    wholesale_price = df3[df3['单品编码'] == code]['批发价格(元/千克)'].values[0]
    profit_coefficient.append((1 - loss_rate) * wholesale_price)

# 构建约束条件
A_eq = np.ones((1, n))
b_eq = np.array([27])
A_ub = np.ones((2, n))
b_ub = np.array([33, 2.5 * n])

for i in range(n):
    code = df2['单品编码'].unique()[i]
    sales_volume = df2[df2['单品编码'] == code]['销量(千克)'].sum()
    # 检查df4中是否存在与df2中的单品编码相匹配的小分类编码
    if code in df4['小分类编码'].unique():
        loss_rate = df4[df4['小分类编码'] == code]['平均损耗率(%)_小分类编码_不同值'].values[0] / 100
    else:
        loss_rate = 0
    A_ub = np.vstack((A_ub, [1 - loss_rate] * n))
    b_ub = np.append(b_ub, sales_volume)

# 求解线性规划模型
res = linprog(-np.array(profit_coefficient), A_ub=A_ub, b_ub=b_ub, A_eq=A_eq, b_eq=b_eq)

# 提取最优解
x = res.x

# 输出单品补货量和定价策略
for i in range(n):
    code = df2['单品编码'].unique()[i]
    replenishment_quantity = x[i]
    wholesale_price = df3[df3['单品编码'] == code]['批发价格(元/千克)'].values[0]
    print(f'单品编码: {code}, 补货量: {replenishment_quantity}, 定价策略: {wholesale_price * (1 + res.fun / replenishment_quantity)}')

代码解释：

导入库: 导入pandas库用于数据处理，numpy库用于数值计算，scipy.optimize.linprog用于求解线性规划问题。
读取数据: 使用pandas的read_excel函数读取四个Excel文件中的数据。
获取可售单品种类数: 使用nunique()函数获取df2中'单品编码'列的不重复值的数量，即可售单品种类数。
构建目标函数系数: 遍历每个单品，根据损耗率和批发价格计算利润系数。
构建约束条件: 根据总重量、单品最大重量和销量等限制条件，构建线性规划模型的约束条件矩阵和向量。
求解线性规划模型: 使用scipy.optimize.linprog函数求解线性规划模型，得到最优解。
提取最优解: 从求解结果中提取最优解，即每个单品的补货量。
输出单品补货量和定价策略: 遍历每个单品，输出其补货量和定价策略。

IndexError错误处理：

代码中添加了判断语句 if code in df4['小分类编码'].unique():，用于检查df4中是否存在与df2中当前单品编码相匹配的小分类编码。如果不存在，则将损耗率设为0，避免了IndexError错误的发生。