import itertools import pandas as pd from scipy.optimize import linprog

读取数据

data = pd.read_csv('data4.csv')

计算每种单品的收益

data['单品收益'] = data['销量'] * data['成本加成定价'] * (1 - data['单品损耗'] * 0.01) - data['销量'] * data['批发价格']

按分类名称进行分组，并计算每种分类的收益之和

grouped_data = data.groupby('分类名称')['单品收益'].sum()

进货单品名称数的范围

num_items = range(27, 34)

初始化最大收益和对应的单品名称组合

max_profit = 0 max_profit_combination = []

遍历所有进货单品名称数的组合

for r in num_items: # 获取所有可能的单品名称组合 combinations = itertools.combinations(data['单品名称'].unique(), r)

# 遍历每种单品名称组合
for combination in combinations:
    # 过滤出包含指定单品名称的数据
    filtered_data = data[data['单品名称'].isin(combination)]
    
    # 构建线性规划问题的约束条件和目标函数
    c = -filtered_data['单品收益'].values
    A_ub = filtered_data['销量'].values.reshape(1, -1)
    b_ub = [filtered_data['最小陈列量'].sum()]
    
    # 使用线性规划算法求解最大收益
    result = linprog(c, A_ub=A_ub, b_ub=b_ub, method='highs')
    profit = -result.fun
    
    # 更新最大收益和对应的单品名称组合
    if profit > max_profit:
        max_profit = profit
        max_profit_combination = combination

输出结果

print('进货量最大利润的单品名称组合是：', max_profit_combination) print('商超的最大收益是：', max_profit)