使用python itertools实现计算双十一满减凑单
双十一
凑单问题
一年一度的双十一又到了，在这样一个日子中，可能遇到一些问题，首先是“凑单”问题。比如说，在电商活动中，经常会有“满减”，例如，“满200，减30”，在这样的情况下，我们需要达到目标，或超过目标（因为，未达到目标，是不能进行满减的）。
很显然，如果我们买200元的物品，需要付出170元（相当于85折），而买300元的东西，需要付出270元（相当于9折）。也就是说，我们需要找到一个或多个商品组合，使其价格总和尽可能接近目标金额，且超过目标金额。
积分问题
另外一个常见的问题，是“积分兑换“问题，比如说，账号中有1000积分，可以兑换若干样东西，在这样的情况下，我们需要尽可能的接近目标，但是不能超过目标（因为，超过积分的行为是不被允许的）。
很显然，积分通常有期限，剩余的积分往往不能发挥任何作用。也就是说，我们需要找到一个或多个商品组合，使其价格总和尽可能接近目标积分，但不超过目标积分。
问题解决
解决凑单问题
解决方法：
1.假如一个商品列表prices，目标金额target，并且定义一个变量min_excess，用于记录最小的超出金额差值，best_combination用于存储最优组合。
2.从prices中选择每一个商品，计算商品组合的总价格，如果价格超过了target，检查是否是当前最接近的组合。总价格如果未超过target，那么继续添加其他商品。
3.最终，得到最优组合best_combination。
from itertools import combinations
def find_best_combination(prices, target):
best_combination = None
min_excess = float("inf")
for i in range(1, len(prices) + 1):
for comb in combinations(prices, i):
total_price = sum(comb)
if total_price >= target and (total_price - target) < min_excess:
min_excess = total_price - target
best_combination = comb
return best_combination, sum(best_combination) if best_combination else 0
prices = [66, 33, 24, 89, 77]
target = 200
best_combination, best_price = find_best_combination(prices, target)
print(f"最优组合: {best_combination}, 总价: {best_price}")这里，我们使用了一个工具，itertools库中的combinations，该函数的作用是，生成不重复的元素组合。
# 以[1, 2, 3]为例 # 此时的结果为：[(1,), (2,), (3,)] print(list(combinations([1, 2, 3], 1))) # 此时的结果为：[(1, 2), (1, 3), (2, 3)] print(list(combinations([1, 2, 3], 2))) # 此时的结果为：[(1, 2, 3)] print(list(combinations([1, 2, 3], 3)))
解决积分兑换
与凑单问题类似，其实只需要不超过的最接近值即可。
from itertools import combinations
def find_best_combination(prices, target):
best_combination = None
max_total = 0
for i in range(1, len(prices) + 1):
for comb in combinations(prices, i):
total_price = sum(comb)
if total_price <= target and total_price > max_total:
max_total = total_price
best_combination = comb
return best_combination, max_total
prices = [66, 33, 24, 89, 77]
target = 200
best_combination, best_price = find_best_combination(prices, target)
print(f"最优组合: {best_combination}, 总积分: {best_price}")保存多个结果
有的时候，虽然我们得到了最佳结果，但是，最佳结果并不一定是我们希望的。比如说，最佳结果中，买到的商品，可能并不是我们最满意的，因此，保存多个组合方案，可以提供多种参考。
对于凑单问题：
from itertools import combinations
import heapq
def find_top_combinations(prices, target, top_n=5):
heap = []
for i in range(1, len(prices) + 1):
for comb in combinations(prices, i):
total_price = sum(comb)
if total_price >= target:
excess = total_price - target
heapq.heappush(heap, (-excess, total_price, comb))
if len(heap) > top_n:
heapq.heappop(heap)
top_combinations = sorted(heap, key=lambda x: -x[0])
return [(comb[2], comb[1]) for comb in top_combinations]
prices = [66, 33, 24, 89, 77]
target = 200
top_n = 5
top_combinations = find_top_combinations(prices, target, top_n=top_n)
print(f"最优的{top_n}种组合及其总价：")
for i, (combination, total_price) in enumerate(top_combinations, 1):
print(f"组合 {i}: {combination}, 总价: {total_price}")此时，可以看到结果显示为：
最优的5种组合及其总价：
组合 1: (66, 33, 24, 77), 总价: 200
组合 2: (66, 33, 24, 89), 总价: 212
组合 3: (33, 24, 89, 77), 总价: 223
组合 4: (66, 89, 77), 总价: 232
组合 5: (66, 24, 89, 77), 总价: 256
对于积分兑换问题：
from itertools import combinations
import heapq
def find_top_combinations(prices, target, top_n=5):
top_combinations = []
for i in range(1, len(prices) + 1):
for comb in combinations(prices, i):
total_price = sum(comb)
if total_price <= target:
if len(top_combinations) < top_n:
heapq.heappush(top_combinations, (total_price, comb))
else:
if total_price > top_combinations[0][0]:
heapq.heappushpop(top_combinations, (total_price, comb))
top_combinations.sort(reverse=True, key=lambda x: x[0])
return [(comb[1], comb[0]) for comb in top_combinations]
prices = [66, 33, 24, 89, 77]
target = 200
top_n = 5
top_combinations = find_top_combinations(prices, target, top_n=top_n)
print(f"最优的{top_n}种组合及其总价：")
for i, (combination, total_price) in enumerate(top_combinations, 1):
print(f"组合 {i}: {combination}, 总价: {total_price}")此刻可以看到结果显示为：
最优的5种组合及其总价：
组合 1: (66, 33, 24, 77), 总价: 200
组合 2: (33, 89, 77), 总价: 199
组合 3: (24, 89, 77), 总价: 190
组合 4: (66, 33, 89), 总价: 188
组合 5: (66, 24, 89), 总价: 179
到此这篇关于使用python itertools实现计算双十一满减凑单的文章就介绍到这了,更多相关python计算满减凑单内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了如何利用Python实现多组数据三维绘图系统,文中的示例代码讲解详细,具有一定的学习价值,感兴趣的小伙伴可以了解下2023-08-08
这篇文章主要给大家介绍了关于如何利用Python实现微信找房机器人的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者使用python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-03-03
WTForms 是用于web开发的灵活的表单验证和呈现库，它可以与您选择的任何web框架和模板引擎一起工作，并支持数据验证、CSRF保护、国际化等。本文将运用WTForms实现用户注册功能，需要的可以参考一下2022-12-12
Pandas.DataFrame删除指定行和列(drop)的实现
本文主要介绍了Pandas.DataFrame删除指定行和列(drop)的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
这篇文章主要介绍了python使用selenium爬虫知乎的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-10-10
这篇文章主要为大家介绍了Python Flask 上传文件测试的方法示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-07-07
这篇文章主要为大家介绍了Python全栈之JS，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-01-01
Python NumPy数组利器之np.zeros函数详解与应用实例
在Python的科学计算库NumPy中,numpy.zeros()是一个非常重要的函数,它用于创建一个指定形状和数据类型的全零数组,这篇文章主要给大家介绍了关于Python NumPy数组利器之np.zeros函数详解与应用实例的相关资料,需要的朋友可以参考下2024-06-06
多态性是 OOP 的一个特征,这意味着一个名称可以具有不同的功能, 这篇文章主要为大家详细介绍了如何在 Python 中实现多态性,感兴趣的小伙伴可以学习一下2023-11-11
读取json数据实际上是把json格式变成python中字典、列表等格式化的数据,极大地方便索引查找,下面这篇文章主要给大家介绍了关于Python如何处理JSON数据的相关资料,需要的朋友可以参考下2022-10-10
最新评论