data = pdread_excelrDpythonProject3会员信息附件二：会员信息数据xlsxdatadropnainplace=TrueX = data信誉值均值 预订任务限额均值 商品周围商品个数 会员点个数y = data任务标价从中随机取样100组数据用来拟合求拟合优度并找到拟合度最高的方程并输出

首先，我们需要安装并导入所需的库，包括pandas和sklearn：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

然后，读取Excel文件并进行数据处理：

data = pd.read_excel(r'D:\pythonProject3\会员信息\附件二：会员信息数据.xlsx')
data.dropna(inplace=True)
X = data[['信誉值均值', '预订任务限额均值', '商品周围商品个数', '会员点个数']]
y = data['任务标价']

接下来，从数据中随机取样100组数据用于拟合模型：

sample = data.sample(n=100)
X_sample = sample[['信誉值均值', '预订任务限额均值', '商品周围商品个数', '会员点个数']]
y_sample = sample['任务标价']

然后，使用线性回归模型进行拟合：

model = LinearRegression()
model.fit(X_sample, y_sample)

计算拟合优度并输出：

r2 = r2_score(y_sample, model.predict(X_sample))
print("拟合优度：", r2)

最后，找到拟合度最高的方程并输出：

equation = "任务标价 = {:.2f} + {:.2f}*信誉值均值 + {:.2f}*预订任务限额均值 + {:.2f}*商品周围商品个数 + {:.2f}*会员点个数".format(model.intercept_, model.coef_[0], model.coef_[1], model.coef_[2], model.coef_[3])
print("拟合方程：", equation)

完整代码如下：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

data = pd.read_excel(r'D:\pythonProject3\会员信息\附件二：会员信息数据.xlsx')
data.dropna(inplace=True)
X = data[['信誉值均值', '预订任务限额均值', '商品周围商品个数', '会员点个数']]
y = data['任务标价']

sample = data.sample(n=100)
X_sample = sample[['信誉值均值', '预订任务限额均值', '商品周围商品个数', '会员点个数']]
y_sample = sample['任务标价']

model = LinearRegression()
model.fit(X_sample, y_sample)

r2 = r2_score(y_sample, model.predict(X_sample))
print("拟合优度：", r2)

equation = "任务标价 = {:.2f} + {:.2f}*信誉值均值 + {:.2f}*预订任务限额均值 + {:.2f}*商品周围商品个数 + {:.2f}*会员点个数".format(model.intercept_, model.coef_[0], model.coef_[1], model.coef_[2], model.coef_[3])
print("拟合方程：", equation)

请注意，以上代码中的文件路径需要根据实际情况进行修改。