利用会员信息数据计算引力子公式 - Python代码

利用会员信息数据计算引力子公式 - Python代码

本代码利用会员信息数据，计算商品与会员之间的引力子公式，并确定公式中的常量，最终输出包含常量的公式。

数据说明：

• '商品GPS纬度' 和 '商品GPS经度' 两列数据组成商品的位置信息。
• '会员GPS纬度' 和 '会员GPS经度' 两列数据组成会员的位置信息。
• '预订任务限额' 是每个会员对应的任务限额。
• '任务标价' 那列的数据代表商品的价格。

公式：

• y = k * q1 * (q2^m) / r^n

其中：

• q1: 商品价格
• q2: 预订任务限额
• r: 商品关于会员的距离
• k, n, m: 常量

代码：

import pandas as pd
import numpy as np

# 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')

# 提取所需列
com_latitude = data['商品GPS纬度']
com_longitude = data['商品GPS经度']
mem_latitude = data['会员GPS纬度']
mem_longitude = data['会员GPS经度']
# task_limit = data['预订任务限额']
q2 = data['预订任务限额']
# price = data['任务标价']
q1 = data['任务标价']

# 计算每个会员与每个商品之间的距离
distances = np.sqrt((com_latitude - mem_latitude)**2 + (com_longitude - mem_longitude)**2)

# 寻找最小引力子及其对应的常量
min_gravity = np.inf
best_k = 0
best_n = 0
best_m = 0

for k in np.linspace(0, 1, 100):  # 调整 k 的取值范围
    for n in np.linspace(0, 1, 100):  # 调整 n 的取值范围
        for m in np.linspace(0, 1, 100):  # 调整 m 的取值范围
            gravity = np.sum(k * q1 * (q2**m) / (distances**n))
            if gravity < min_gravity:
                min_gravity = gravity
                best_k = k
                best_n = n
                best_m = m

# 输出包含常量的公式
print(f'y = {best_k} * q1 * (q2^{best_m}) / r^{best_n}')

代码说明：

• 代码首先读取Excel文件中的数据，并提取所需列。
• 然后计算每个会员与每个商品之间的距离。
• 使用三重循环枚举常量 k, n, m 的不同取值，并计算相应的引力子值。
• 通过比较不同取值下的引力子值，找到最小引力子及其对应的常量。
• 最后输出包含常量的公式。

注意：

• 代码中常量 k, n, m 的取值范围可以根据实际情况进行调整。
• 此代码仅提供了一种计算引力子公式的示例，实际应用中可能需要根据具体情况进行修改和优化。