基于Python的引力模型：计算商品对会员的最小引力

import pandas as pd
import math

# 读取Excel文件
data = pd.read_excel('D:\pythonProject3\会员信息\附件二：会员信息数据.xlsx')

# 获取商品和会员的位置信息
com_lat = data['商品GPS纬度']
com_lon = data['商品GPS经度']
mem_lat = data['会员GPS纬度']
mem_lon = data['会员GPS经度']

# 获取商品价格
com_price = data['任务标价']

# 计算距离和引力子
def calculate_gravity(com_lat, com_lon, mem_lat, mem_lon, com_price, r, k, n):
    gravity = []
    for i in range(len(com_lat)):
        # 计算球面距离，更加精确
        distance = 6371 * math.acos(math.sin(math.radians(com_lat[i])) * math.sin(math.radians(mem_lat[i])) +
                                   math.cos(math.radians(com_lat[i])) * math.cos(math.radians(mem_lat[i])) *
                                   math.cos(math.radians(mem_lon[i] - com_lon[i])))
        gravity.append(k * com_price[i] / (distance**n))
    return gravity

# 设置初始值
r = 1  # 可以根据实际情况调整
k = 1
n = 2

# 计算引力子
gravity = calculate_gravity(com_lat, com_lon, mem_lat, mem_lon, com_price, r, k, n)

# 寻找最小引力子和对应的常量
min_gravity = min(gravity)
min_index = gravity.index(min_gravity)
min_com_price = com_price[min_index]

# 输出带常量的公式
print(f'y = {k} * {min_com_price} * q2 / r^{n}')

代码说明：

导入库: 导入pandas用于读取Excel文件，导入math进行数学运算。
读取数据: 使用pd.read_excel()读取Excel文件中的数据。
获取信息: 分别获取商品和会员的经纬度坐标以及商品价格。
计算距离: 使用经纬度坐标计算商品和会员之间的球面距离。
计算引力子: 根据公式y=k*q1*q2/r^n计算引力子，其中q1为商品价格，q2为会员的购买力（本例中未给出，可以根据实际情况添加）。
寻找最小值: 找到最小引力子及其对应的常量。
输出结果: 打印带常量的公式。

注意:

本代码假设会员的购买力为常数，实际应用中需要根据具体情况进行调整。
可以根据需要修改初始值r、k和n。
可以使用更精确的距离计算方法，例如Haversine公式。